借阅数据的图书推荐研究范文

【摘要】本文以哈尔滨商业大学图书馆为例，通过对图书管理系统借阅数据进行聚类分析，揭示读者群体的需求结构，了解其文献利用情况，归纳其用户偏好模型，以提高推荐策略的准确度，有针对性地为读者提供个性化服务。

【关键词】数据处理；聚类分析；读者群；个性推荐

随着数字化信息量的成倍增长，图书馆服务质量也受到影响。读者面对海量的信息，需要花费更多时间找到自己真正所需。怎样高效、迅速、主动地为读者提供其所需信息，已成为当今图书馆建设过程中亟待解决的问题。数字图书馆的个性化推荐是通过主动服务的方式，根据读者的不同需求，有针对性地提供服务，使读者能够快速、准确地发现自己所需要的图书［1］。它主要通过跟踪和分析读者的行为记录，建立读者的借阅偏好模型，并区分读者群，有针对性地进行书籍推荐，这样既能帮助读者快速、准确地找到所需信息，同时也提高了图书馆的馆藏利用率，增加了读者对图书馆的满意度［2］。

1研究方法

1.1数据预处理在进行数据挖掘之前，需要对原始数据进行预处理，对数据进行清洗，把数据中不正确的、不完整的、不一致的、格式不同的进行处理，处理成为标准的数据结构和格式，如图1为原始数据需要做预处理的流程［3］。数据预处理是构建数据仓库的第一步，在数据挖掘过程中是非常重要的步骤。它可以改进数据质量，有效提高数据挖掘的精准度。

1.2聚类分析方法聚类分析主要是根据读者的共同偏好划分读者群，清晰掌握读者群体的信息需求，把资源进行合理优化。利用读者群，能够更好地为读者开展个性化推荐服务;根据读者群可以很好地了解读者对信息资源利用状况的活跃度，为图书馆信息资源的宣传与培训提供依据［4－5］。读者群聚类可以分别基于图书类型和图书借阅频次进行［6］。基于借阅图书类型聚类是从读者需求角度进行细分，基于借阅频次聚类是从读者活跃度的角度来实现读者细分。

2实例分析

本文样本是哈尔滨商业大学图书馆借阅数据，包含读者数据、图书数据、借阅情况等，是反映读者信息的重要依据。

2.1读者数据预处理读者数据包含姓名、年级、院系、专业等属性，这些属性是对读者划分的重要依据，可以将读者区分为不同群体。

2.2聚类分析我们把读者信息数据和借阅信息数据作为对象，利用上面模型进行读者聚类分析。经统计，哈尔滨商业大学图书馆从2016年3月到2017年3月借阅人次13686，提取原始借阅记录248491条，有效读者29842人。图书馆图书管理系统数据库为ORACLE，依据聚类分析流程图，将预处理后的数据转换为标准数据结构，然后利用SPSSClementine平台进行聚类分析［9］。

2.3图书推荐可以清楚地看出每类书籍的热门排行。依据聚类分析结果，每位读者的类属关系和兴趣，进行相应图书的批量推荐。

3结论

随着信息量的剧增，为了给读者提供更加精确的个性化推送服务，本文以图书管理系统数据为研究目标，利用聚类的方法对读者群体进行划分;建立用户偏好模型，根据数据库中读者的借阅、续借和归还等操作行为所产生的记录，对这些记录信息进行综合分析，了解读者的图书借阅喜好，建立不同的读者群，按照兴趣度，根据各类图书排名进行相应的图书推荐。通过聚类分析结果，哈尔滨商业大学的读者群体以文学类、社科类、经济管理类书籍需求量为最大，其中文学类书籍利用率最高。通过此种推荐策略，能够更好地为读者提供个性化服务。

参考文献

［3］柴彦．基于共词聚类分析方法的知识管理国内研究述评［J］．情报科学，2015(4):149－153．

［4］闵超，孙建军．学科交叉研究热点聚类分析———以国内图书情报学和新闻传播学为例［J］．图书情报工作，2014(1):109－116．

［5］熊海涛．面向复杂数据的推荐分析研究［M］．北京:北京理工大学出版社，2015:15－16．

［6］郭秋萍．企业数据挖掘理论与实践［M］．郑州:黄河水利出版社，2005:54－56．

［7］腾广青，毕强．基于概念格的数字图书馆用户市场细分———数字图书馆用户的概念聚类分析数字图书馆［J］．现代图书情报技术，2010(2):7－11．

［8］朱东郡，等．基于标签聚类和兴趣划分的协同过滤推荐算法［J］．计算机工程，2017(11):146－151，160．

［9］李新广．数字图书馆的用户偏好模型及个性化推荐研究［D］．武汉:武汉大学，2011.

作者：闫俊霞 单位：哈尔滨商业大学图书馆