读者借阅多维关联规则挖掘模型的建立与分析

doi:10.3724/SP.J.1087.2011.03084

计算机应用 ›› 2011, Vol. 31 ›› Issue (11): 3084-3086.DOI: 10.3724/SP.J.1087.2011.03084

读者借阅多维关联规则挖掘模型的建立与分析

王家胜,牟肖光

青岛农业大学图书馆，山东青岛 266109

收稿日期:2011-05-16 修回日期:2011-06-24 发布日期:2011-11-16 出版日期:2011-11-01
通讯作者: 王家胜
作者简介:王家胜（1976-），男，山东沂源人，馆员，博士，主要研究方向：数据挖掘、数据库；牟肖光（1978-），男，山东莱阳人，馆员，硕士，主要研究方向：数据库。
基金资助:
CALIS全国农学文献信息中心研究项目

Establishment and analysis of multi-association rule mining model of reader loan

WANG Jia-sheng,MU Xiao-guang

Library, Qingdao Agricultural University, Qingdao Shandong 266109, China

Received:2011-05-16 Revised:2011-06-24 Online:2011-11-16 Published:2011-11-01
Contact: WANG Jia-sheng

摘要/Abstract

摘要： 为深入了解高校图书馆读者对文献资源的需求规律，提取了图书馆业务数据库中的读者借阅记录，将原始数据经过预处理流程获得读者借阅事务集，以Clementine 12.0为平台，建立了读者借阅多维关联规则挖掘模型。以青岛农业大学图书馆2007-2010年间读者借阅历史数据为基础，应用所建挖掘模型实例分析了读者身份、读者专业、图书类型等之间关联关系。根据获得关联规则可以深入了解读者需求，为读者提供个性化主动服务提供理论依据。

关键词: 关联规则, 多维属性, 读者需求, 数据挖掘, 高校图书馆

Abstract: In order to probe deeply the demand rules of college library readers, readers' loan records were extracted from working database of college library, and the readers' loan item sets were got by preprocessing the initial data. Multi-association rule mining model of reader loan was established based on Clementine 12.0. Based on the readers' loan records from working database of Qingdao Agricultural University, the associational relations among identities of reader, specialties of reader and categories of book were analyzed by using the mining model. According to the association rules which were mined, the demands for readers can be understood better, which provides theoretical foundation for offering personalized services to readers.

Key words: association rule, multi-attribute, readers demand, data mining, college library

王家胜牟肖光. 读者借阅多维关联规则挖掘模型的建立与分析[J]. 计算机应用, 2011, 31(11): 3084-3086.

WANG Jia-sheng MU Xiao-guang. Establishment and analysis of multi-association rule mining model of reader loan[J]. Journal of Computer Applications, 2011, 31(11): 3084-3086.

[1]	刘世泽, 秦艳君, 王晨星, 苏琳, 柯其学, 罗海勇, 孙艺, 王宝会. 基于深度残差长短记忆网络交通流量预测算法[J]. 计算机应用, 2021, 41(6): 1566-1572.
[2]	李旭娟, 皮建勇, 黄飞翔, 贾海朋. 基于自生成深度神经网络的4D航迹预测[J]. 计算机应用, 2021, 41(5): 1492-1499.
[3]	陈凯, 于彦伟, 赵金东, 宋鹏. 基于城市交通监控大数据的工作位置推理方法[J]. 计算机应用, 2021, 41(1): 177-184.
[4]	龙洋洋, 陈玉玲, 辛阳, 豆慧. 基于联盟区块链的安全能源交易方案[J]. 计算机应用, 2020, 40(6): 1668-1673.
[5]	徐周波, 杨健, 刘华东, 黄文文. 基于XGBoost与拓扑结构信息的蛋白质复合物识别算法[J]. 计算机应用, 2020, 40(5): 1510-1514.
[6]	杜旭升, 于炯, 叶乐乐, 陈嘉颖. 基于图上随机游走的离群点检测算法[J]. 计算机应用, 2020, 40(5): 1322-1328.
[7]	陈曦, 梅广, 张金金, 许维胜. 融合知识图谱和协同过滤的学生成绩预测方法[J]. 计算机应用, 2020, 40(2): 595-601.
[8]	马董, 陈红梅, 王丽珍, 肖清. 空间亚频繁co-location模式的主导特征挖掘[J]. 计算机应用, 2020, 40(2): 465-472.
[9]	李莎莎, 梁冬阳, 余杰, 纪斌, 马俊, 谭郁松, 吴庆波. 基于师门关系的研究团队挖掘算法[J]. 计算机应用, 2020, 40(11): 3198-3202.
[10]	孙鹤立, 张优优, 杨洲, 何亮, 贾晓琳. 基于时间线段树的城市可达区域搜索[J]. 计算机应用, 2020, 40(10): 2936-2941.
[11]	王淳颖, 张驯, 赵金雄, 袁晖, 李方军, 赵博, 朱小琴, 杨凡, 吕世超. 基于多源告警的攻击事件分析[J]. 计算机应用, 2020, 40(1): 123-128.
[12]	李博, 张晓, 颜靖艺, 李可威, 李恒, 凌玉龙, 张勇. 基于值差度量和聚类优化的K最近邻算法在银行客户行为预测中的应用[J]. 计算机应用, 2019, 39(9): 2784-2788.
[13]	纪丽娜, 陈凯, 于彦伟, 宋鹏, 王淑莹, 王成锐. 基于城市交通大数据的车辆类别挖掘及应用分析[J]. 计算机应用, 2019, 39(5): 1343-1350.
[14]	于永斌, 戚敏惠, 尼玛扎西, 王琳. 基于阈值自适应忆阻器Hopfield神经网络的关联规则挖掘算法[J]. 计算机应用, 2019, 39(3): 728-733.
[15]	叶志宇, 冯爱民, 高航. 基于深度LightGBM集成学习模型的谷歌商店顾客购买力预测[J]. 计算机应用, 2019, 39(12): 3434-3439.

读者借阅多维关联规则挖掘模型的建立与分析

Establishment and analysis of multi-association rule mining model of reader loan

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics