聚类算法在图书馆中的应用.pdfVIP

第 28卷 第 1期 新 乡学院学报：自然科学版 2011年 2月 Vo1．28 NO．1 JournalofXinxiangUniversity：NaturalScienceEdition Feb，20l1 聚类算法在图书馆中的应用 茹 蓓 ，赵 芳 新 乡学院 计算机与信息工程学院，河南 新 乡 453003 摘 要：依据 图书馆的现有信息，结合数据挖掘的流行方向，应 -fl聚类算法分析研 究读者的借阅行为，获 得对图书馆管理有用的信息，提高图书馆管理工作效率和资源利用率。 关键词：数据挖掘 ；聚类算法；借阅行为；聚类分析；k-means算法 中图分类号：TP274；TP3l2 文献标志码 ：A 文章编号：1674—3326 2011 0l一0041—03 TheApplicationofClusteringAlgorithm intheLibrary RU Bei．ZHAO Fang CollegeofComputerandInformationEngineering，XinxiangUniversity，Xinxiang453003，China Abstract：Byusingthedataofthelibrary，clusteringalgorithm willbeappliedtoanalysereaders’patternsof behavior．Thiswillprovidethedecision—makingcriterionsforthemanagementoflibraryandimprovethelevelof servicetoreaders． Key words：data mining；clustering algorithm ；readers’patterns ofbehavior；clustering analysis；k-means algorithm 0 引言 根据读者借阅的历史数据，利用数据挖掘技术可 以挖掘这种数据背后隐藏的信息，预测读者的阅读需 求信息。掌握读者的借I列规律 ，是图书馆开展个性化服务的基础。数据挖掘能为图书馆员提供先进的业务 处理和信息服务工具 ，提高工作效率 。 1 聚类算法中的k-means算法 1．1 聚类算法的概念 聚类 的目的是把大量数据点的集合分成若干类 ，使每个类中的数据存在最强的相似性 ，不同类的数据 存在最大差别。按照相似程度的高低 ，将事物样本 、对象或变量逐一归类。 聚类的数学描述如下 ：被研究的样本集为 E，类 C为E的一个非空子集 ，即 C∈E且 C≠ 。聚类就是 满足条件 1 CIUC2UC3U…UCx E和 2 cncj 对任意 的类 Cf，C2，C3，…C 的集合 ”【。由条件 1 可知，E中的每个样本必属于某一个类 ；由条件 2 可知，E中的每个样本最多只属于一个类[2l。 由聚类生成的簇是一组数据对象的集合 ，它们与同一个簇中的对象彼此相似 ，与其他簇 中的对象相异。 1．2 聚类中k—means算法 该算法接受输入量 k，把 个数据对象划分为k个聚类 ，基于对象之间的距离来计算相异度 引。k-means 算法是在完成每一次对象划分后 ，以每个类的所有对象的平均值作为该集合的新的中心，直到所有的集合 不再发生变化为止 】。假设对 个对象进行聚类 ，其结果要求产生 k个类 ，算法的基本过程描述如下 ：1 首先随机地选择 k个对象，每个对象作为一个类的中心 ，分别代表将分成 的k个类。2 根据 “距离中心最 近”的原则，寻找与各个对象最为相似的类 ，将其他对象划分到各个相应的类中。3 在完成对象的分配之 后，针对每一个类，计算其所有对象的平均值 ，作为该类的新的中心 。4 根据 “距离中心最近”原则 ，重 收稿 日期：2010—12一l1 修回日期：2Ol101．17 作者简介：茹蓓 1977一 ，女，河南新乡人。讲师，硕士生，研究方向：计算机科学。E-mail：xxujsjru@163．corn。 赵芳 1981一 ，女，河北青苑人 讲师，硕士生，研究方向：计算机科学研究。 · 42· 新乡学院学报：自然科学版 2011生 新划分所有对象。5 NN~N 3 ，至所有产生的类没有变化为止。假设给定 ki til，rf2…．，tit ，类 中心计算 表达式定义为：m —t芝 ， 1 ㈣。 j t 1-3 数据挖掘过程中的k-means算法分析 聚类分析读者借阅量，可以得到读者借书频率的高低。根据系统的实际数据，运用 k-means聚类算法， 做数据挖掘过程的分析。随机地从读者借阅量表 中抽取 2O名学生的记录，形成表 1。 表 1 读者借阅本数表 Tab．1 Thenumberofreade