图书馆入馆行为数据分析及可视化

发布时间：2021-10-11 21:17

　　为了多维度分析和挖掘读者的入馆行为规律,为图书馆的高效运营提供思路,以上海大学图书馆为例,通过数据预处理、数据挖掘、结果分析等流程,对该图书馆近一年的入馆行为数据进行统计、聚类和可视化分析,得出读者入馆的多角度关系;利用该图书馆近10年的入馆统计数据,对入馆频次进行了预测。模型得到统计、聚类和预测的分析结果,并通过可视化方式呈现了规律。实验结果表明读者入馆行为存在周期性、趋势性等规律,对图书馆资源调配有借鉴意义。 

【文章来源】：电子测量技术. 2020,43(14)

【文章页数】：7 页

【文章目录】：
0 引 言
1 研究对象与数据集
    1.1 研究对象
    1.2 一卡通入馆数据
    1.3 数据处理
2 研究方法
    2.1 基于统计学的方法——频次统计并可视化
    2.2 K-Means聚类算法
        1)算法选择
        2)K-Means算法步骤
    2.3 ARIMA算法
        1)算法选择
        2)ARIMA算法步骤
3 实验结果讨论与分析
    3.1 基于统计学方法的频次统计及可视化分析
        1)实验结果
            (1)按照身份划分
            (2)按照学院部门划分
            (3)按照季度划分
            (4)按照月份划分
            (5)按照24 h划分
        2)结果分析
    3.2 基于入馆时间与部门类别数据的K-Means聚类分析
        1)实验结果
        2)结果分析
    3.3 基于ARIMA算法的年入馆人流量趋势预测
        1)ARIMA模型参数估计
        2)ARIMA模型预测
        3)结果分析
4 结 论


【参考文献】：
期刊论文
[1]大学图书馆读者入馆行为分析——从三峡大学图书馆2017年书库收书统计数据说起[J]. 卢跃红,邢红鑫.  价值工程. 2019(22)
[2]基于ARIMA的网络流量建模及预测研究[J]. 盛虎,张玉雪.  通信技术. 2019(04)
[3]基于ARIMA模型的我国民航客运量时序分析[J]. 王蓉.  兰州石化职业技术学院学报. 2019(01)
[4]基于ARIMA模型与Winter模型的水运货运量预测比较[J]. 赵朝文,罗璟,邱晨.  软件. 2019(01)
[5]高压局部放电定位模型转换求解与改进K-means聚类优化方法[J]. 王署东,尹柏强,何怡刚,李兵,佐磊,侯金波.  电子测量与仪器学报. 2018(11)
[6]基于图书馆门禁数据的学生读者到馆行为分析——以电子科技大学清水河校区图书馆为例[J]. 郭亨艺.  四川图书馆学报. 2018(03)
[7]基于K-means聚类算法的改进[J]. 李金涛,艾萍,岳兆新,马梦梦,边世哲.  国外电子测量技术. 2017(06)
[8]基于读者到馆行为数据分析的高校图书馆服务优化建议[J]. 武巧彬,赵海鹏,曾为,徐谦.  科技视界. 2016(22)
[9]ARIMA模型在网络流量预测中的应用研究[J]. 张冉,赵成龙.  计算机仿真. 2011(02)
[10]基于读者到馆行为分析的图书馆服务优化策略[J]. 谭丹丹.  图书馆工作与研究. 2011(01)

硕士论文
[1]基于ARIMA模型的周期性时间序列变化点检测算法研究[D]. 刘阳.山东大学 2018



本文编号：3431249