隨著互聯(lián)網(wǎng)技術的發(fā)展以及大數(shù)據(jù)時代的到來,知識獲取的便捷性不斷提高,高校圖書館不再是高校讀者獲取文獻資源的唯一途徑;同時,由于缺乏對讀者需求的準確把握,高校圖書館提供的資源和服務已越來越無法滿足讀者多變的需求,讀者的到館率不斷降低。為了更好地提高服務質量,高校圖書館投入了大量的財力物力,紛紛推出了針對高校讀者的個性化服務,但這些個性化服務地制定絕大多數(shù)是依托于管理者的個人經(jīng)驗,缺乏對讀者行為地深入科學分析,無法及時、系統(tǒng)地捕捉到讀者多變的需求,服務效果收效甚微。為了協(xié)助高校圖書館更全面、更及時地了解讀者需求,本文結合數(shù)據(jù)挖掘技術和用戶畫像技術對讀者行為數(shù)據(jù)進行分析挖掘和用戶畫像,并根據(jù)用戶畫像的結果為高校圖書館實現(xiàn)精準資源推薦和個性化服務決策提供科學依據(jù)。本文的主要工作和成果如下:1.構建讀者行為數(shù)據(jù)庫。根據(jù)高校圖書館各個業(yè)務系統(tǒng)和自動化系統(tǒng)中積累的讀者行為數(shù)據(jù),建立統(tǒng)一的數(shù)據(jù)庫,并通過ETL等數(shù)據(jù)清洗工具將各個資源庫的數(shù)據(jù)清洗后匯總為統(tǒng)一的格式存儲到數(shù)據(jù)庫中。2.提出一種多視角聚類算法。根據(jù)讀者的行為數(shù)據(jù),提出了一種多維度多視角的讀者特征體系。根據(jù)構建的讀者特征體系可以對讀者分為某一維...

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

圖2-1聚類算法分類及代表算法Figure2-2.Clusteringalgorithmclassificationandrepresentativealgorithm

具體分類及各分類代表算法如圖2-2所示。圖2-1聚類算法分類及代表算法Figure2-2.Clusteringalgorithmclassificationandrepresentativealgorithm（1）劃分聚類算法數(shù)據(jù)集中有N個數(shù)據(jù)，使用劃分聚....

圖3-1K-means算法流程圖

圖3-1K-means算法流程圖gure3-1.FlowchartofK-meansalgorithm圖可得出經(jīng)典K-means算法的具體步和聚類簇數(shù)K；隨機選取K個數(shù)據(jù)對象作為初始聚Ck；中剩余數(shù)據(jù)對象到K個聚類初始中心近的中心點中，形成了K....

圖3-2二分K-means算法流程圖

圖3-3基于馬氏距離的多視角二分K-means算法流程圖

與二分K-means算法相比，改進的算法在流程上將距離判斷由歐式距離改成了馬氏距離�；隈R氏距離的多視角二分K-means算法的具體流程如圖3-3所示。圖3-3基于馬氏距離的多視角二分K-means算法流程圖Figure3-3.Multi-viewbinary....

本文編號：4030819