聚类支持下决策树模型借阅数据分析.docVIP

聚类支持下决策树模型借阅数据分析 　　【 摘 要 】 通过对高校图书馆提供的借阅数据进行筛选、净化、转换等数据处理，研究了聚类支持下决策树分类技术及其在图书馆借阅数据中的应用。利用聚类得到决策树的训练样本，以期得到高质量的决策树并进一步提高推荐的准确率。以某高校图书馆借阅数据为例，将以上研究结果应用于该校图书馆借阅数据分析，分析的结果提供给图书馆管理者，作为馆藏政策、图书推荐、图书馆管理的参考依据。 　　【 关键词 】 数据挖掘；高校图书馆；聚类分析；决策树 　　 　　Analysis Of The Lending Data With Decision Tree Model Based On Clustering 　　 　　Zhai Jian-feng 　　(Computer Center China Youth University for Political Science Beijing 100089) 　　 　　【 Abstract 】 Through the choice，purification and transfer of lending data provided by the library，probes into the features of library lending data by using data-mining technique， and then puts the research result into the use of library information system. The paper explores Decision Tree technique supported by clustering and its application in library，uses clustering analysis to obtain the training samples of Decision Tree，and then to obtain high-quality Decision Tree and further improve the preciseness of books’ recommendation. Taking an University Library as an example，the paper applies the above research results to analyze lending data. The result of the analysis offers a basis to collection-policy-making，books recommendation and library management for library managers. 　　【 Keywords 】 data mining;college library;lustering;decision tree 　　 　　0 引言 　　随着数据库的不断深入发展以及Internet技术和WWW技术的日益成熟，图书馆所拥有的文献资源数据正在呈几何指数上涨。但目前大多数图书馆仍然采用传统的信息服务方式，即由读者提出信息请求，图书馆工作人员进行解答，或是定期向读者提供相关书目。而现代图书馆的信息服务应该更加关注读者的根本需求，并主动向读者推送个性化服务。由于读者在图书馆借阅图书及检索文献资源的过程中会留下诸如读者基本信息、借阅历史记录、检索记录等有价值的大量信息，应用数据挖掘技术对读者的借阅数据进行分析，得出读者借阅图书分类间的潜在信息。 　　本文以某高校图书馆的读者借阅数据为基础依据，在聚类分析结果中抽取学习样本，建立决策树模型对借阅数据的特性进行分析，尝试着从数据中挖掘隐含信息，清晰地把握读者真实的信息需求，据此开展读者个性化信息服务，优化馆藏。 　　1 研究方法 　　1.1 聚类 　　聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类分析的目标就是在相似的基础上收集数据来分类，经常被用作衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。K-means聚类算法是一种基于划分的聚类算法，因其理论上可靠、算法简单、收敛速度快而被广泛运用。k-means算法的工作原理为首先随机选择K个初始中心，利用欧式距离计算与初始中心的距离，将n个数据分别将它们分配给与其最相似的簇，然后用同一簇中所有对象的均值替换初始中心点。通过多次迭代计算直到结果明显变化为止，使得同一簇尽可能紧凑，而不同簇间尽可能独立。 　　1.2 决策树 　　决策树是一种典型的分类方法，采用自顶向下、递归的、各个击破的方式构