基于图书馆借阅行为数据关联分析.docVIP

基于图书馆借阅行为数据关联分析 　　摘 要：本文主要介绍了关联规则的基本概念和使用方法，并且对高校图书馆的借阅数据进行挖掘，获得了图书馆之间的一些关联规则以及学生借阅时的偏好，这些结果对于图书馆提高服务质量提供了有力保障。 　　关键词：关联规则；借阅行为数据；Apriori算法 　　目前，高校图书馆存储了大量的读者借阅图书的信息，怎么分析借阅数据并将分析结果用于提升图书馆服务工作，这已经成为图书馆工作人员不断探索的问题。随着数据挖掘技术应用的不断的拓展，图书馆可以利用数据挖掘技术挖掘出借阅数据背后的规律，本文主要介绍了关联规则，主要使用Apriori算法分析高校图书馆借阅数据的关联规则。 　　一、关联规则 　　（一）关联规则定义。在数据挖掘中，关联分析主要使用的技术为关联规则（Association Rule），其最早由Agrawal、Imielinski以及Swami提出，用来研究超市顾客所购买的商品之间的规律，目的是希望发现顾客经常同时购买哪些商品，进而合理布局货架，方便顾客选取。 　　关联规则研究的主要对象就是事务数据库，事务数据库可以看做是I={i1，i2，L，im}，是m个项集集合，其中ik{k=1，2，Lm}为数据项。事务T为I的一个子集。每个事务T都有一个唯一的TID作为其标识符，事务T的全体构成了事务数据库[31]。 　　设施XI数据项集，数据项集X的支持度（Support）定义为： 　　SX=|T（X）||T| 　　设X，YI为数据集，为了了解X的事务中包含Y事务的概率，从而引进了置信度（Confidence）概念，其表达式为： 　　CX→Y=|T（X∩Y）||T（X）| 　　虽然现有大量的关联规则算法以及其改进算法，但是各种关联规则的挖掘算法有相似的寻找规则的过程。关联规则的生成基本可以分解为两部分：第一部分是根据支持度找到频繁集的过程；第二部分在第一步的基础上，由置信度筛选出关联规则的过程。 　　（二）Apriori算法。第一阶段：是一种通过逐层迭代的方法寻找候选集C，然后根据支持度寻找出频繁集L-项的集合。其初始候选集C1然后找出频繁集L1，不断的循环直到寻找出所有的频繁集。 　　第二阶段：是在所找到的频繁集的基础上，根据置信度的计算方法，遍历寻找满足大于等于最小置信度的关联规则。 　　二、借阅行为的Apriori算法分析过程及结果 　　（一）数据预处理。实验数据选取的是从2011年9月到2015年1月24号期间入学的读者的借阅数据。数据字段包括学生学号、院系、借阅图书编号、借阅日期、借阅时间，以及相应字段对应的数字编码。 　　由于关联所需数据选取的为所有借阅图书读者的信息，并且关联所需字段为学生学号、图书编号，因此将这三个字段从文本中提取出来，并进行舍弃缺失值处理，获取完整的数据。然后对数据进行事务化处理，即每行代表一个读者，每列代表借阅图书的类别。 　　（二）Apriori算法分析结果。本文通过利用SPSS Modeler软件实现Apriori算法，其中最小支持度设置为0.1，最小置信度设置为0.5，通过运行总共得出120条关联规则。 　　表3-4 关联规则结果表 　　ConsequentAntecedentSupport %Confidence % 　　常用外国语财政、金融19.57254.194 　　常用外国语财政、金融and经济计划与管理10.97961.415 　　中国人物传记各国人物传记11.97750.712 　　…… 　　心理学中国人物传记and中国文学10.08951.126 　　挖掘出的关联规则结果来分，可分为四大类： 　　（1）关联规则结果为语言类。通过对关联规则结果为语言类书籍的规则观察，从关联规则数量上可以看出涉及常用外国语的规则有39条，支持度在0.1到0.43之间，置信度在0.5到0.67之间。从数据背后反应的问题看，发现读者在借阅心理学、伦理学、社会学、经济学、贸易经济、财政、金融、经济计划与管理、各国人物传记、各国文学、世界文学、中国史、中国人物传记、绘画、管理学、计算技术、计算机技术等书籍或者这些书籍的某些组合时，都会以超过0.5的概率借阅常用外国语图书。出现这种结果应该在意料之中，由于英语作为大学生必修的基础课程，在大学一、二年级学习中以及大四学生考研过程中都是很重要的一部分。因此不管什么专业的同学为了学好这门功课，都会在借阅本专业课程书籍或在借阅自己喜欢的书籍时，很大一部分学生会借阅英语类书籍。 　　（2）关联规则结果为文学类。通过对关联规则结果为文学类书籍的规则观察，从数量上可以看出结果涉及文学类的规则的占62条，其中各国文学占18条，世界文学占7条，中国人物传记占4条，中国文学占33条，支持度在0.1到