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 31 毫秒
1.
图书馆个性化信息服务模型的设计与实现   总被引:13,自引:2,他引:13  
曹强 《情报杂志》2007,26(4):80-83
尝试构建一个用户兴趣模型,通过数据挖掘技术,从图书馆记录中挖掘用户兴趣信息,并根据用户兴趣将用户所需要的信息通过RSS技术推送给用户,实现基于用户需求分析的图书馆个性化信息服务。  相似文献   

2.
用Web挖掘方法扩充大学图书馆知识库研究   总被引:3,自引:1,他引:2  
来玲  杨宝森 《情报杂志》2005,24(2):18-20
将Web挖掘导入大学图书馆知识库的知识挖掘中 ,将Web数据转化为传统的数据挖掘对象 ,将无序庞杂的Web信息转换成有意义的用户知识。通过对图书馆用户访问Web及用户的知识检索模式研究 ,为图书馆建立高智能知识库模型提供技术保障。  相似文献   

3.
在当前"互联网+"背景下,应用大数据挖掘技术提高知识服务的智能化、个性化、自动化水平,实现智慧性的知识服务是图书馆服务的发展趋势。首先提出基于大数据挖掘的图书馆智慧服务模型,通过用户群挖掘、用户兴趣挖掘、学科和领域知识挖掘、业务关联挖掘来沟通大数据应用和智慧服务需求;然后提出基于Hadoop平台的图书馆大数据挖掘技术支撑体系,为智慧服务应用落地提供技术方案;最后探讨大数据挖掘支持下的场景化知识推荐服务和微知识自动问答服务。  相似文献   

4.
闫俊霞 《科技广场》2014,(7):110-113
本文在介绍数据挖掘技术的基础上,依据外借服务的借阅数据,给出高校图书馆读者借阅行为分析的具体应用,并对2013年哈尔滨商业大学图书馆全年的图书外借数据进行挖掘,分析读者需求和馆藏结构之间的关系。通过分析可以看出,数据挖掘技术在高校图书馆有着广泛的应用前景。  相似文献   

5.
为适应图书馆新书推荐服务的需要,以安徽省图书馆为例,用数据挖掘中的关联分析技术对安徽省图书馆的借阅记录进行挖掘,提出读者推荐服务模型,利用挖掘出来的关联规则进行读者个性化推荐服务。  相似文献   

6.
为适应图书馆新书推荐服务的需要,以安徽省图书馆为例,用数据挖掘中的关联分析技术对安徽省图书馆的借阅记录进行挖掘,提出读者推荐服务模型,利用挖掘出来的关联规则进行读者个性化推荐服务.  相似文献   

7.
鲍静 《科教文汇》2007,(9Z):221-221
为适应图书馆新书推荐服务的需要,以安徽省图书馆为例,用数据挖掘中的关联分析技术对安徽省图书馆的借阅记录进行挖掘,提出读者推荐服务模型,利用挖掘出来的关联规则进行读者个性化推荐服务。  相似文献   

8.
周欣  陆康 《现代情报》2016,36(1):51
通过分析读者在图书馆数字资源系统的行为日志数据,可以准确的挖掘出读者的真实需求,更好的为读者提供个性化服务。文章先介绍了读者行为分析在图书馆行业的研究现状,以及对读者行为挖掘的研究意义,然后介绍了对读者在数字资源访问系统中的访问日志数据进行数据采集、数据挖掘的方法,构建了读者行为分析系统模型。  相似文献   

9.
基于读者信息行为分析的高校图书馆用户关系管理策略   总被引:1,自引:0,他引:1  
叶晓慧 《现代情报》2010,30(3):132-134,138
从分析读者信息行为入手,探讨高校图书馆实施用户关系管理的策略。以用户基本数据为依据,数据挖掘技术为手段,使图书馆员服务理念不断更新,进而获取学生读者信息行为特征和规律,开发更多的潜在用户,从根本上提升图书馆服务效益。  相似文献   

10.
阐述了数据挖掘的概况,以鄂尔多斯应用技术学院为例,对高校图书馆学生借阅行为作了数据挖掘分析,建立了相关模型。  相似文献   

11.
数据挖掘技术在读者借阅行为分析中的应用   总被引:3,自引:0,他引:3  
张鲁  谭月辉  苏春萍  王栋 《情报杂志》2005,24(6):36-37,40
介绍了数据挖掘技术理论及读者借阅行为分析对其的需求。阐述了几个简单易行的数据挖掘模型。并结合具体示例予以说明,从而提出了读者借阅行为分析具体的挖掘思路和方法。  相似文献   

12.
介绍了当前Web数据挖掘所采用的三种数据收集方法:Web日志挖掘,packet sniffer技术以及如何从应用服务器端收集数据。在分析Web日志挖掘不足的基础上对后面两种数据收集方法进行了研究,最后结合从服务器端收集数据的方法构建了一种基于用户会话的数据挖掘模型,为企业更好地理解客户行为提供相对可靠的依据。  相似文献   

13.
数据挖掘在图书销售企业精确营销中的应用   总被引:2,自引:0,他引:2  
研究基于数据挖掘技术的精确营销的方法和理念,结合图书销售企业目前的营销现状和存在的问题,挖掘发现隐藏在海量数据中的知识.通过对企业管理信息系统的源数据库海量信息的数据进行数据分析、提取,确立主题,进行有效的数据组织,来构建数据仓库模型.应用Microsoft SQL server 2005 Analysis提出数据挖掘技术的解决方法,并使用其功能强大的数据挖掘技术:决策树、聚类分析和关联规则等应用广泛的分析方法,探讨基于数据挖掘技术的精确营销在图书销售企业的客户细分,用户购买行为分析以及营销策略.  相似文献   

14.
介绍了当前Web数据挖掘所采用的三种数据收集方法:Web日志挖掘,packet sniffer技术以及如何从应用服务器端收集数据.在分析Web日志挖掘不足的基础上对后面两种数据收集方法进行了研究,最后结合从服务器端收集数据的方法构建了一种基于用户会话的数据挖掘模型,为企业更好地理解客户行为提供相对可靠的依据.  相似文献   

15.
基于UTAUT和TTF模型的移动图书馆用户采纳行为研究   总被引:1,自引:0,他引:1  
移动图书馆是新的网络环境下为用户提供随时、随地、随需信息服务的应用平台,近年来其呼声热度很高,但仍然面临用户采纳率不理想的局面,为解决此现实问题,分析和挖掘影响移动图书馆用户采纳意愿的因素,解释和预测移动图书馆用户行为是至关重要的。本文在整合UTAUT和TTF模型的基础上,从用户感知和任务/技术的双重视角构建理论模型,采用实证研究方法,利用结果方程模型探究各个因素对移动图书馆用户采纳意愿的影响。数据分析结果表明,绩效期望、个体创新和感知信任对移动图书馆用户采纳意愿有显著正向影响,任务技术匹配通过绩效期望间接影响用户采纳意愿。并在此基础上讨论了本文对移动图书馆发展的理论和实践意义。  相似文献   

16.
数据挖掘已成为情报学的研究热点,而传统的数据挖掘过程是在数据仓库的基础上,面向结构化的数据进行分析,这在很大程度上限制了数据挖掘的作用范围和效果。在充分分析数据挖掘和领域本体等相关理论后,提出了一个面向领域本体,应用语义相似度匹配的数据挖掘模型。该模型在理论上解决了用户的目标发现和挖掘对象选择的问题,同时也在数据挖掘算法上引入了本体概念,使得系统能快速识别用户需求,高效的选择相应算法,在很大程度上提高了数据挖掘处理异构、分布式数据的能力。  相似文献   

17.
基于读者利用挖掘的图书馆决策与应用分析   总被引:1,自引:0,他引:1  
张炜  洪霞 《现代情报》2009,29(7):47-50
本文介绍了数据挖掘技术、挖掘过程和数据挖掘体系结构,针对我馆信息管理系统中书目、读者和借阅信息、OPAC检索记录以及WEB问卷调查数据,分析如何应用数据挖掘技术发现读者利用及需求的规律和模式,并探讨了读者利用挖掘在图书馆服务和管理上的应用。  相似文献   

18.
[目的/意义]拓展大数据挖掘技术在图书馆学习支持服务中的应用,提高智慧环境下图书馆学习支持服务效果。[方法/过程]梳理图书馆学习支持服务的研究现状及其在智慧环境下的特征,从学习行为、知识关联和学习情境三方面建立学习支持服务的大数据挖掘模型,分析数据来源和大数据挖掘路径。[结果/结论]在大数据挖掘模型的基础上构建层次化图书馆学习支持服务框架,从智能感知、大数据分析、核心业务和智慧终端四个层次,为智慧环境下图书馆学习支持服务的多种应用情境研究提供依据和参考。  相似文献   

19.
随着移动互联网、物联网的快速发展,我们面对的海量信息正以几何级快速增长。数据挖掘技术建立在关系型数据库上,通过大量的数据访问、分析、统计找出隐藏在数据中的规律从而建立决策模型。介绍如何利用数据挖掘技术,导出对读者、用户有用的关键信息,帮助他们做出决策和战略规划,改善和提高图书馆的服务质量。为了更好的说明这种数据分析方法的概念与过程,文章通过一个专业图书馆的详细数据资源的实际案例分析,一步一步地获得了数据内在关联的互动信息与影响图书馆管理、战略规划的因素指标。描述了图书馆如何通过数据的分析,导出对决策者提升管理质量的有用信息的数据与知识挖掘过程。可以通过其它更大量的数据分析,进一步定义一些关于服务质量提升的新指标。在当今信息飞速发展时代,图书馆馆员与管理者应当利用新的技术充分分析图书馆数据,才能达到提升服务的目标。  相似文献   

20.
针对产业集群特点,面向数据检索要求,对数据挖掘推荐系统需求进行分析,研究数据挖掘推荐系统相关技术和算法,设计系统功能模块架构,研究分析处理流程,构建数据挖掘推荐系统,实现产业集群信息的智能化挖掘推荐服务。产业集群数据挖掘推荐系统具有用户需求信息挖掘推荐、相关服务信息挖掘、潜在协作伙伴挖掘推荐及科技成果动态感知等功能,能为用户推送更多有价值的信息,便于用户发现协作伙伴和潜在客户,促进产业集群和集群企业的协同创新发展。  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