基于读者行为分析和多视角聚类算法的高校图书馆用户画像研究
发布时间:2025-02-06 19:47
随着互联网技术的发展以及大数据时代的到来,知识获取的便捷性不断提高,高校图书馆不再是高校读者获取文献资源的唯一途径;同时,由于缺乏对读者需求的准确把握,高校图书馆提供的资源和服务已越来越无法满足读者多变的需求,读者的到馆率不断降低。为了更好地提高服务质量,高校图书馆投入了大量的财力物力,纷纷推出了针对高校读者的个性化服务,但这些个性化服务地制定绝大多数是依托于管理者的个人经验,缺乏对读者行为地深入科学分析,无法及时、系统地捕捉到读者多变的需求,服务效果收效甚微。为了协助高校图书馆更全面、更及时地了解读者需求,本文结合数据挖掘技术和用户画像技术对读者行为数据进行分析挖掘和用户画像,并根据用户画像的结果为高校图书馆实现精准资源推荐和个性化服务决策提供科学依据。本文的主要工作和成果如下:1.构建读者行为数据库。根据高校图书馆各个业务系统和自动化系统中积累的读者行为数据,建立统一的数据库,并通过ETL等数据清洗工具将各个资源库的数据清洗后汇总为统一的格式存储到数据库中。2.提出一种多视角聚类算法。根据读者的行为数据,提出了一种多维度多视角的读者特征体系。根据构建的读者特征体系可以对读者分为某一维...
【文章页数】:82 页
【学位级别】:硕士
【部分图文】:
本文编号:4030819
【文章页数】:82 页
【学位级别】:硕士
【部分图文】:
图2-1聚类算法分类及代表算法Figure2-2.Clusteringalgorithmclassificationandrepresentativealgorithm
具体分类及各分类代表算法如图2-2所示。图2-1聚类算法分类及代表算法Figure2-2.Clusteringalgorithmclassificationandrepresentativealgorithm(1)划分聚类算法数据集中有N个数据,使用划分聚....
图3-1K-means算法流程图
图3-1K-means算法流程图gure3-1.FlowchartofK-meansalgorithm图可得出经典K-means算法的具体步和聚类簇数K;随机选取K个数据对象作为初始聚Ck;中剩余数据对象到K个聚类初始中心近的中心点中,形成了K....
图3-2二分K-means算法流程图
图3-3基于马氏距离的多视角二分K-means算法流程图
与二分K-means算法相比,改进的算法在流程上将距离判断由欧式距离改成了马氏距离。基于马氏距离的多视角二分K-means算法的具体流程如图3-3所示。图3-3基于马氏距离的多视角二分K-means算法流程图Figure3-3.Multi-viewbinary....
本文编号:4030819
本文链接:https://www.wllwen.com/tushudanganlunwen/4030819.html