数据挖掘技术在图书馆读者分析中的应用.pdf

＞＞ 第 卷 第 期　２００９年６月　　 ﹨ ﹣ 数据挖掘技术在图书馆读者分析中的应用 钱　强　李　英 华东理工大学商学院　上海２００２３７ 〔摘要〕使用ＳＯＭ聚类方法对上海某大学图书馆数据库中的借阅数据进行挖掘分析，对读者进行聚类，用关联规 则挖掘方法对某类读者的计算机类图书借阅记录进行挖掘，分析对每一类读者的借阅特征，以找出其借书规则， 从而为图书馆管理提出建议。 〔关键词〕数据挖掘　聚类　关联规则　自组织映射网络 〔分类号〕Ｇ２５２ ＡｐｐｌｉｃａｔｉｏｎｏｆＤａｔａＭｉｎｉｎｇｔｏＤｅｍａｎｄＡｎａｌｙｓｉｓｏｆＬｉｂｒａｒｙ’ｓＲｅａｄｅｒｓ ＱｉａｎＱｉａｎｇ　ＬｉＹｉｎｇ ＢｕｓｉｎｅｓｓＳｃｈｏｏｌｏｆＥａｓｔＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２００２３７ 〔Ａｂｓｔｒａｃｔ〕Ａｓｔｈｅｄｉｇｉｔａｌｄｅｖｅｌｏｐｍｅｎｔｏｆｌｉｂｒａｒｙ，ａｈｕｇｅｍａｓｓｏｆｄａｔａｈａｓａｃｃｕｍｕｌａｔｅｄｉｎｌｉｂｒａｒｙ’ｓｄａｔａｂａｓｅ，ｗｈｉｃｈｃａｎｂｅａｎａｌｙｚｅｄ ａｎｄｐｒｏｃｅｓｓｅｄｔｏｐｒｏｖｉｄｅｄｅｃｉｓｉｏｎｓｕｐｐｏｒｔｆｏｒｌｉｂｒａｒｙｍａｎａｇｅｍｅｎｔｔｈｒｏｕｇｈｄａｔａｍｉｎｉｎｇ．Ｔｈｉｓｐａｐｅｒｍｉｎｅｓｄａｔａｆｒｏｍｏｎｅｕｎｉｖｅｒｓｉｔｙｌｉ ｂｒａｒｙ’ｓｄａｔａｂａｓｅｉｎＳｈａｎｇｈａｉｃｌｕｓｔｅｒｓｔｈｅｒｅａｄｅｒｓｂｙｍｅａｎｓｏｆＳＯＭａｎｄａｎａｌｙｚｅｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｅａｃｈｃｌｕｓｔｅｒｂｙａｓｓｏｃｉａｔｉｏｎｒｕｌｅ ｍｉｎｉｎｇｍｅｔｈｏｄ，ｔｏｆｉｎｄｕｓｅｆｕｌｒｕｌｅｓａｂｏｕｔｂｏｒｒｏｗｉｎｇｂｅｈａｖｉｏｒ．Ｔｈｒｏｕｇｈｔｈｉｓ，ｉｔｐｒｏｐｏｓｅｓｓｏｍｅｓｕｇｇｅｓｔｉｏｎｓｆｏｒｌｉｂｒａｒｙｍａｎａｇｅｍｅｎｔ． 〔Ｋｅｙｗｏｒｄｓ〕ｄａｔａｍｉｎｉｎｇ　ｃｌｕｓｔｅｒｉｎｇ　ａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ　ＳＯＭ 以提高高校图书馆的图书使用效率。 １　引　言 ２　数据挖掘方法介绍 　　随着图书馆数字化程度的不断提高与数字图书馆 建设的不断发展，图书馆需要处理和提供更多、更新、 ２．１　ＳＯＭ聚类分析 更广泛、更复杂的信息。为了避免陷入“数据丰富，但 　　聚类分析是一个活跃的研究领域，已经有大量的、 信息贫乏”的局面，图书馆有必要增强对海量信息的处 经典的和流行的算法涌现，比如 ＫＭｅａｎｓ、ＤＢＳＣＡＮ、 ? 理能力，从看似杂乱无序的信息中提取其内在联系，为 ［１］ ＳＴＩＮＧ、ＷａｖｅＣｌｕｓｔｅｒ、人工神经网络等 。聚类方法不 图书馆管理提供决策支持。 同，对相同数据集的聚类结果也不同。由于本文所研 　　而利用什么方法对海量数据进行有效地分析处理 究的数据量比较大，维度较高，且事先不知道划分成几 是图书馆管理者所关心的一个重要问题。数据挖掘作 簇，因此基于划分的聚类算法不适合在本文中使用；另 为未来信息处理的主要技术之一，已经广泛应用于银 外，层次聚类法对初始簇的数量也有要求，如果数量太 行、电信、保险、交通、零售等商业领域，它以一种全新 大，则复杂度太高，可能会导致低质量的聚类结果。因 的概念改变着人类利用数据的方式。从广义的观点 此本文将采用ＳＯＭ方法进行聚类。 讲，数据挖掘就是从大量的、不完全的、有噪声的、模糊