基于数据挖掘的高校图书馆藏推荐系统模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·国外高校图书馆个性化信息服务 | 第9页 |
| ·国内高校图书馆个性化信息服务 | 第9-10页 |
| ·论文的主要内容及创新之处 | 第10页 |
| ·论文的组织安排 | 第10-12页 |
| 第二章 相关理论技术 | 第12-21页 |
| ·数据挖掘相关理论技术 | 第12-17页 |
| ·数据挖掘的技术定义 | 第12页 |
| ·数据挖掘功能介绍 | 第12-13页 |
| ·数据挖掘的体系结构 | 第13-15页 |
| ·数据挖掘的过程 | 第15-17页 |
| ·推荐系统相关理论知识 | 第17-19页 |
| ·个性化推荐系统的定义 | 第17页 |
| ·个性化推荐系统的组成 | 第17页 |
| ·个性化推荐系统的应用 | 第17-18页 |
| ·主要的推荐系统 | 第18-19页 |
| ·常用推荐技术的比较 | 第19页 |
| ·中图法相关知识 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 数据挖掘技术研究 | 第21-33页 |
| ·关联规则 | 第21-23页 |
| ·关联规则定义 | 第21页 |
| ·关联规则分类 | 第21-22页 |
| ·关联规则挖掘算法的步骤 | 第22-23页 |
| ·Apriori算法研究 | 第23-29页 |
| ·频繁项集的产生 | 第23-24页 |
| ·产生关联规则 | 第24-25页 |
| ·Apriori算法的性能分析 | 第25页 |
| ·Apriori算法的改进 | 第25-26页 |
| ·本文对Apriori算法的改进 | 第26-29页 |
| ·分类 | 第29-31页 |
| ·聚类 | 第31-32页 |
| ·聚类的概念 | 第31页 |
| ·常用的聚类分析方法分类 | 第31-32页 |
| ·k-means算法 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第四章 数据挖掘在高校图书馆中的应用 | 第33-48页 |
| ·传统的高校图书馆统计分析 | 第33-34页 |
| ·数据挖掘在高校图书馆中的实践 | 第34-37页 |
| ·数据挖掘在高校图书馆中的应用 | 第34-35页 |
| ·关联规则在高校图书馆借阅流通数据分析中的应用 | 第35-37页 |
| ·数据挖掘算法实践 | 第37-46页 |
| ·读者的分类、聚类 | 第37-43页 |
| ·个性化的馆藏推荐 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 高校图书馆馆藏推荐系统模型的设计 | 第48-64页 |
| ·推荐系统模型的整体架构 | 第48-49页 |
| ·推荐系统模型实现的工作流程 | 第49-54页 |
| ·数据的收集和数据预处理 | 第50-52页 |
| ·馆藏推荐系统数据库的设计 | 第52页 |
| ·馆藏推荐系统的响应速度的优化 | 第52-54页 |
| ·参数的确定 | 第54页 |
| ·推荐系统模型的界面 | 第54-63页 |
| ·各个功能模块界面 | 第54-60页 |
| ·系统模型实现的测试 | 第60-63页 |
| ·系统模型实现的优点 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-67页 |
