數(shù)據(jù)挖掘在數(shù)字圖書館個性化服務(wù)中的應(yīng)用.pdf

1、本文針對現(xiàn)有數(shù)字圖書館個性化服務(wù)系統(tǒng)存在著數(shù)據(jù)分析能力欠缺、信息孤島現(xiàn)象嚴(yán)重和個性化服務(wù)單一等問題，將數(shù)據(jù)倉庫、聯(lián)機分析和數(shù)據(jù)挖掘技術(shù)引入到數(shù)字圖書館個性化服務(wù)系統(tǒng)，并結(jié)合計算機網(wǎng)絡(luò)技術(shù)，進行了深入的理論和實踐研究。 論文運用數(shù)據(jù)倉庫、聯(lián)機分析處理和數(shù)據(jù)挖掘技術(shù)通過對讀者、資源以及讀者對資源的訪問等數(shù)據(jù)對象進行分析和挖掘，設(shè)計和實現(xiàn)了一種基于關(guān)聯(lián)挖掘和讀者興趣模型的個性化服務(wù)系統(tǒng)。該系統(tǒng)通過對數(shù)據(jù)的關(guān)聯(lián)分析和挖掘以及自動地識別讀

2、者興趣來為讀者提供個性化的服務(wù)。論文的主要內(nèi)容如下： (1)采用新型決策支持系統(tǒng)的思想，設(shè)計出數(shù)字圖書館個性化服務(wù)系統(tǒng)模型，模型中突出了對數(shù)據(jù)的分析和挖掘以及讀者興趣的自動識別。 (2)采用維度建模的方法，對讀者、資源以及讀者對資源的訪問三個主題進行了數(shù)據(jù)倉庫邏輯模型設(shè)計。 (3)對AprioriTid算法進行了改進，算法采用事務(wù)壓縮和項目壓縮相結(jié)合方法，候選項目集及支持度的計算是在每條事務(wù)壓縮后通過聯(lián)接產(chǎn)生，候

3、選項目集采用關(guān)鍵字識別，省去了AprioriTid算法中的剪枝和字符串模式匹配步驟，實驗結(jié)果表明，改進的算法執(zhí)行效率明顯優(yōu)于AprioriTid算法。 (4)建立了資源訪問的多維數(shù)據(jù)立方體，并利用AprioriTid改進算法對文獻資源進行關(guān)聯(lián)分析和挖掘，來分析資源的訪問情況以及讀者對資源的訪問關(guān)聯(lián)。 (5)設(shè)計與實現(xiàn)了基于資源多層分類樹的讀者興趣模型，該模型通過與讀者的主動和被動交互，不斷地接收讀者的興趣和推測讀者的興趣