部分内容展示

以读者为中心的个性化服务，主要是对读者信息需求进行差异分析，将最适合用户的资源主动传递给读者，提高图书管理的服务管理水平。本文以四川农业大学图书馆为例，对图书馆读者借阅行为进行分析，利用数据挖掘和兴趣度模型对读者借阅行为进行深层次分析，挖掘出学生图书借阅过程中借阅特点，把握不同专业、年级、图书类型之间的关系，从而为提升四川农业大学图书馆服务水平提供决策依据。

关键词：图书馆；读者；借阅行为；数据挖掘；更多范文 高校图书馆往往被称作大学生的第二课堂，是高校文学信息服务的中心，对大学生的成长有着非凡的意义。在科技迅速发展的背景下，图书馆的管理系统不断完善、不断的走向智能化。目前，国内各大高校基本上已经全部引进了智能化系统。与此同时，图书馆信息的形式和种类变得复杂而丰富，需要存储的信息量与日俱增，因此造成了数量“爆发式”增长。在数据量急剧膨胀的过程中，使用什么样的技术手段去处理对现代的图书管理系统来讲是个巨大的挑战。数据挖掘允许从不同的角度分析数据，将其组合成有用的信息，能够解决图书馆中的大量数据问题。本文结合数据挖掘的基础知识，以四川农业大学图书馆为例，完成图书馆读者借阅行为数据统计分析。利用数据挖掘技术分析这些数据，则会从中得到一些潜在的、有意义的信息。而利用这些信息可以为图书馆的服务工作提供有效的、科学的依据^[1]。具有重要的现实意义和价值。对学生来说，以四川农业大学学生实际借阅中产生的历史借阅数据为依据，利用数据挖掘技术为学生提供个性化服务，引导学生贷款行为。帮助学生明确学习方向，获取专业知识。对于图书馆来说，数据挖掘不仅可以从各种书籍中发现隐藏的信息，还可以以同样的方式分发书籍，增加了读者的兴趣，使图书馆进行精准服务。此外，通过分析学生的借阅行为和频繁的图书检索，图书馆员可以预测新书的需求，对图书馆建设具有重要意义。我国从20世纪90年代中期开始开展关于数据挖掘的研究，其中关于图书馆读者借阅行为的研究高峰期在2009年，发文量达到了2657篇，在2015年则到了低谷期，发文量仅有252篇，但在2015年以后，发文量又呈现出上升趋势，从这些数据说明，在数据挖掘技术中关于图书馆领域的研究目前处于上升的趋势。汪姝辰在15年关于读者借阅行为的研究中用了最小二乘法和K-S检验算法以及一些公式进行洛特卡定律拟合^[2]。再往后的近几年里，对于借阅者行为的分析，多用些关联性规则和聚类分析，艾金勇，曲佳彬，刘奇扉等多名作者都用了关联规则的方法。研究方向则为优化馆藏、提高服务水平、加强个性化推荐。