基于关联规则图书借阅服务方法.docVIP

基于关联规则图书借阅服务方法 　　[摘 要]本文将关联规则应用于图书借阅的服务推荐方法,首先对读者借阅历史记录进行预处理,然后进行关联规则挖掘和分析,利用挖掘出的频繁项集进行服务推荐。该方法与传统推荐技术相比,能更全面、准确、清晰地进行图书借阅推荐。 　　[关键词]关联规则;服务推荐;数据挖掘 　　[中图分类号]G252.3[文献标志码]B[文章编号]1005-6041(2010)04-0030-04 　　1 介 绍 　　随着计算机技术的发展,数据挖掘技术在图书馆中的应用越来越广泛,它不仅能促进图书馆的多样化发展,也使图书馆服务呈现了智能化。图书借阅推荐服务一直是图书馆服务的一项目标,主要用来从存在的信息中寻找出所需要并且有意义的信息,并将这些信息推荐给新用户。近年来,图书借阅推荐服务作为一种个性化服务的一个子类,还没有引起广泛的关注。但是个性化推荐服务是一个热门的研究领域,一些研究已就此进行了深入的探讨。如本文的参考文献??[1]通过吸收传统推荐技术的优点,提出了基于文献拓扑关系图的推荐方式来实现对数字图书馆中科技文献的个性化推荐;本文的参考文献??[2]利用顾客的在线购买历史记录,挖掘出有用的关联规则,并对此购买行为进行关联规则挖掘、分析,从而为顾客推荐实时高效的服务;本文的参考文献??[3]提出了基于数据挖掘技术(例如决策树和关联规则)的推荐方式,实现了馆藏文献资源的个性化推荐服务。 　　本文对图书借阅推荐服务进行研究,首先把读者借阅历史记录作为已有的数据资源,从中提取利于挖掘的数据,对这些数据进行关联规则挖掘,然后对挖掘出的频繁项集基于专家兴趣度的指导,提取有趣和有用的规则给新用户借阅进行指导。本文的最终目的是使这些推荐的项集能为读者提供最适宜的图书借阅推荐服务。在此,首先介绍一种流行的数据挖掘技术――关联规则,然后根据一个简单的例子进行算法说明。 　　2 关联规则 　　设集合??I={i??1, i??2,…, i??m｝??,其中的元素称为项(item)。记??D??为交易(transaction)??T??的集合,这里交易??T??是项的集合,并且??T∈I。对应每一个交易有唯一的标识,如交易号,记作TID。设X是一个I中项的集合,如果X∈T,那么称交易T包含X。 　　一个关联规则???┆?[4]是形如X→Y的蕴涵式,这里X∈I,Y∈I,并且X∩Y=??null??。规则X→Y在交易数据库D??中的支持度(support)是交易集中包含??X和Y??的交易数与所有交易数之比,记为support??(X→Y)??,即为: 　　support??(X→Y)=|X∩Y|/|D| ??(Ⅰ) 　　规则??X→Y??在交易集中的置信度(confidence)是指包含??X和Y的交易数与包含X??的交易数之比,记为confidence??(X→Y)??,即: 　　confidence??(X→Y)=|X∩Y|/|X|??(Ⅱ) 　　给定一个借阅集??D??,在此挖掘关联规则问题就是产生支持度和置信度大于用户给定的最小支持度(min??sup)和最小置信度(minconf)的关联规则。这种满足条件的关联规则也成为强关联规则。 　　本文的参考文献??[6]于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题,设计了基于频繁集理论的Apriori算法。这是一个基于两阶段频繁集思想的方法,将关联规则挖掘算法的设计分解为两个子问题:1)找到所有支持度大于最小支持度的项集(itemset),这些项集称为频繁集(frequent itemset);2)使用第一步找到的频繁集产生期望的规则。 　　关联规则挖掘主要是强规则挖掘,一般由发现大项目集和生成强规则两部分组成。具体步骤为: 　　(1)找出存在于事物数据库中的所有大项目集。先计算候选 1―项集(含有??k?? 个项目的集合),找出频繁 1―项集;根据频繁 1―项集,确定候选 2―项集,找出频繁 2―项集……以此类推,直到不再有候选项集为止。最后得到的项集就是所求的大项集。 　　(2)用大项集按生成规则和置信度产生所需要的强规则。 　　3 推荐服务流程 　　首先对图书馆借阅纪录进行预处理,然后进行常见的关联规则挖掘,按照用户要求挖掘出规则之后,根据设置的兴趣度,对后继的读者进行服务推荐,推荐服务流程图如下: 　　图1 推荐服务流程图 　　本文通过一个真实的例子显示推荐服务流程的细节。 　　3.1 　　数据预处理 　　用户借阅信息记录是图书馆的一项基本信息记录,主要用来对用户进行分类或者对其借阅行为分类提供信息,其主要内容包括用户编号、姓名、年龄、性别、职业或专业、借阅等级或年级、单位或院系、身份证明(身份证号、学号、工作证号等)