首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
以广东石油化工学院图书馆各类图书的历史流通数据为依托,利用数据分析方法,统计读者借阅需求,依据读者需求明确图书采购种类,从源头满足图书流通量;引入公式和数据分析,实现合理设置查询系统以及书籍摆放策略,帮助读者准确定位图书位置,加快图书流通效率。文章尝试以算法探求图书流通的内部规律,加强图书现代化建设,促进图书馆流通管理。  相似文献   

2.
图书馆个性化服务越来越受到读者的青睐。而提供优质个性化服务需要数据挖掘技术作为支撑,如Apriori算法,遗传算法、分类聚类等。在介绍关联规则及其挖掘过程基础上,文章用开源的分布式数据库中间件Cobar来搭建图书馆个性化系统,以运行经典的Apriori算法为例,说明了该分布式系统具备易部署、易使用维护、以并行计算缩减运算时间等主要特性。  相似文献   

3.
关联分析是数据挖掘的本质体现,关联规则挖掘就是寻找给定的大量数据项集之间存在的某种规律的过程。Apriori算法是关联规则中最重要的一种挖掘频繁项集的算法,但是它也存在一定的不足。目的为了提高挖掘效率。方法采用实验的方法,在经典Apriori算法的基础上进行改进。结果证明改进的Apriori算法性能优于经典的Apriori算法,尤其是在交易事务条数比较多的情况下,效果更加明显。结论是改进的算法在计算支持度个数时,每次不需要扫描全部数据库,只需要在精简的数据库表中扫描各项所在的行就可以了,大大节省了时间;支持度计数的统计也比较容易,也不会产生过多的冗余,可以在很大程度上降低挖掘的复杂度,提高挖掘算法的效率。  相似文献   

4.
农百荐书     
阅读是一个国家、一个民族精神发育、文明传承的重要途径。国家大力提倡全民阅读,《农村百事通》积极响应,推广阅读,分享乐趣,在全民阅读日数次举办"全民阅读进乡村"活动,给读者带去大量的书籍和杂志,充实了当地的农家书屋。在活动现场,看到蜂拥而至的村民,还有那捧读书刊对知识渴求的眼神,都带给我们极大的感动。为了带给读者更多更好的精神食粮,本刊特推出《农百荐书》栏目,向读者推介全国三农联盟出版平台出版的各类农业类、生活类等实用性图书。从图书简介、特色价值、精彩导读、权威作者、编辑推荐等方面介绍。希望本栏目带给读者喜爱的图书,在阅读中收获喜悦,在捧读中获得知识。  相似文献   

5.
FP-Growth算法的效率约比Apriori快一个数量级,但存在FP-tree可能过大和串行处理等两大缺点,为此提出了基于局部FP-tree的并行关联规则挖掘算法P-FP-Growth。为实现基于云计算的并行关联规则挖掘,用MapReduce计算模型描述了P-FP-Growth算法,在Hadoop下进行了编程实现,得出了频繁模式挖掘结果,验证了该算法在云计算平台进行部署和执行的可行性。对比了算法分别在局域网多节点并行处理和在Hadoop平台执行的所需时间。  相似文献   

6.
开架也需要目录李雪君开架借阅,读者可以进入书库,面对图书自己查找,于是有的读者认为,查目录费事,目录是可有可无的了。其实这是很错误的。开架借阅,目录仍然很重要,也需要目录。首先,只有目录才能反映全部馆藏.图书馆的图书资料具有动态性,书籍处在借出送还的...  相似文献   

7.
随着商品与技术的快速发展,商品迭代更新速度加快,催生了二手商品交易平台的迅 速发展。但二手书籍交易有其独特的商品与用户偏好,二手书籍交易价格及折旧成为平台发展 必须解决的主要问题。本文对二手书籍交易平台的书籍折旧算法做深入的研究,并提出了折旧 算法选择与优化。  相似文献   

8.
关联规则挖掘技术是一种新兴的数据处理技术,其算法及应用在图书馆中起着非常重要的作用。Apriori算法是关联规则挖掘的经典算法,在分析Apriori算法的基础上,提出利用FP-tree生成树技术来减少候选集的数量,克服Apriori算法的弱点,以提高图书馆个性化服务的效率。  相似文献   

9.
一个不需要产生候选集频繁集挖掘算法的研究   总被引:2,自引:0,他引:2  
FP-growth算法是一个频繁集产生算法,与一般的类似于Apriori的频繁集产生算法相比。FP-growth的优点在于它不需要产生大量的候选集,因而在时间和空间上都有很好的效率。从不同角度对FP-growth算法进行了详细的研究,并与经典算法Apriori在性能上作了分析对比。  相似文献   

10.
针对Apriori算法的性能瓶颈问题,提出了一种双压缩Apriori(Apriori double compression,Apriori_DC)算法.该算法通过不断压缩事务数据库,减少事务记录数和数据项,并通过缩减频繁项集从而减少下一步候选频繁项集的数量,最终实现提高算法效率.试验验证表明:在支持度相同而数据量不同,以及数据量相同而支持度不同时,Apriori_DC算法均优于Apriori算法,且在Apriori_DC算法执行过程中,事务数据库的数据量不断缩小.  相似文献   

11.
利用聚类分析中的K-means算法分别对图书和读者进行了聚类分析,从中找出图书的借阅规律,读者借阅图书的某种倾向及读者是否活跃,从而制定出相应的决策,以便有针对性地丰富馆藏资源和优化图书馆的馆藏布局,并为图书馆开展个性化服务提供参考。  相似文献   

12.
随着高校图书馆大数据时代的到来,读者有时很难找到自己喜欢的图书,会造成图书资源的浪费。针对这种情况,本文研究了基于用户分类的协同过滤算法在高校图书推荐中的应用,其中涉及读者分类、用户-项目评分矩阵的建立、向量空间模型的构建以及用户间相似度的计算,并考虑了高校图书和读者的特点,对用户-项目评分矩阵进行了改进,缓解了数据稀疏问题。研究结果表明,基于用户分类的协同过滤算法比传统的协同过滤算法计算复杂度低,在一定程度上优于传统的协同过滤算法。  相似文献   

13.
随着智能手机的普及,图书馆需不断拓展移动服务以满足读者的需求,读者个性化移动服务平台是在图书馆移动服务上的探索。该平台基于.net框架,利用C#程序设计语言,设计了基于web service的图书馆掌上应用系统,读者可以利用随时随地的查看借阅情况、超期通知、新书通知、借阅排行和图书推荐以及图书检索等服务功能,特别在图书推荐中增加关联规则数据挖掘,以实现个性化的读者服务。  相似文献   

14.
朱玉梅 《农学学报》2016,6(11):23-26
为了快速准确地掌握棉花虫害发生趋势,提高虫情测报的时效性和准确性,采用Apriori算法数据挖掘关联规则,对棉花上的3种害虫棉铃虫、棉叶螨、棉蚜的发生趋势进行综合分析。通过Apriori算法寻找出了气候因素与棉花三大害虫的发生发展有密切的关系,尤其气温变化直接影响到棉花害虫的发生种类、发生期及发生量。联规则数据挖掘技术,在处理大量农业信息数据中起着非常重要的作用,Apriori算法在棉花病虫测报工作中将是一项新的技术,具有非常广泛的应用前景。  相似文献   

15.
探讨了空间关联规则,利用移动计算中基于Apriori算法的空间关联规则提取的例子,详细介绍了经典算法Apriori算法在空间关联规则中的应用,并对空间数据挖掘的发展进行了展望。  相似文献   

16.
高校图书馆流通服务是图书馆面向读者最重要的窗口。读者是流通服务工作的主要服务对象,图书馆工作人员是服务人员,书籍是服务载体,规则是服务保障,环境是服务条件。五大要素相辅相成,共同发挥作用,确保高校图书馆的流通服务质量,提高高校图书馆图书的利用率以及文化氛围。  相似文献   

17.
[目的/意义]针对阻碍高校智慧图书馆对新读者进行图书个性化推荐的用户冷启动问题,提出一种面向新读者的高校图书馆个性化推荐方法,为智慧型高校图书馆开展图书个性化推荐服务、提高新读者借阅率提供切实可行的方案。[方法/过程]以北华大学图书馆借阅流通大数据进行数据挖掘,得出属性相似的新读者和已有读者具有相似借阅偏好的结论。然后,通过奇异值分解解决数据稀疏问题,采用基于欧氏距离的蚁群算法对新读者与已有读者聚类,搭建了新读者和已有读者之间关系的桥梁。最后将已有读者借阅的图书采取Top-N算法对新读者推荐。[结果/结论]以2017级读者为实验对象,选取了3个学院的44名读者,用所提出的算法进行了实验检验。实验结果表明新算法推荐效果显著,操作简单可行,为后续个性化推荐工作奠定了基础。  相似文献   

18.
基于改进Apriori算法的农业病虫害诊断   总被引:1,自引:0,他引:1  
介绍了Apriori算法的基本方法,并从数据项的建立、频繁项集的连接以及规则生成三个方面对Apriori算法进行了改进,并利用改进后的算法挖掘出了可用于农作物病害诊断的决策规则。  相似文献   

19.
通过对常见的几种推荐算法的研究与改进,结合计算机数据库技术,构建图书定向推送模式,读者在浏览图书馆网页或查询图书资源的同时,图书馆将推荐为用户定制的个性化图书,供其参考阅览。此研究弥补了现有图书推荐模式的不足,提升图书推荐的成功率。  相似文献   

20.
微信公众平台在省级公共图书馆阅读推广中的应用,是现阶段微时代图书运营的重要表现形式之一。通过阐释微信公众平台在省级公共图书馆中应用状况,以黑龙江省图书馆为例,分析其在图书检索、借阅查询、新书推介、数字阅读及读者线下活动等五大模块功能,进一步挖掘黑龙江省图书馆微信公众平台阅读推广应用中阅读内容形式、阅读功能及阅读推广手段等三方面的问题,力求提高微信公众平台在黑龙江省图书馆阅读推广中应用水平。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号