本文選題：圖書采購　切入點：大數(shù)據(jù)　出處：《天津工業(yè)大學》2017年碩士論文

【摘要】：天津市高校聯(lián)合圖書館成立13年來,在圖書館信息化的道路上一直走在前列,但是隨著時間的積累,信息化系統(tǒng)中的數(shù)據(jù)日益變得龐大復雜,如何利用這些數(shù)據(jù)成為了現(xiàn)在圖書館管理工作的一個迫切需求�；谠撔枨�,作者設計了兩個可視分析的模型,重點分析了館藏資源數(shù)據(jù)與讀者借閱記錄這兩種數(shù)據(jù)。針對當前高校圖書館紙質文獻采購決策過程中,決策主觀性較強,客觀依據(jù)不足,提出圖書借閱可視分析系統(tǒng)模型,實現(xiàn)對歷史信息的采集、挖掘、可視分析。分析館藏圖書數(shù)據(jù),構建圖書借閱可視分析系統(tǒng)模型,搭建大數(shù)據(jù)平臺,驗證模型的可用性。實驗表明,系統(tǒng)能夠很好地對海量圖書歷史數(shù)據(jù)進行可視化分析,達到輔助制定圖書采購決策的目的。目前的可視分析結果視圖還可以進一步豐富。該系統(tǒng)可以對圖書館借閱歷史數(shù)據(jù)進行可視化分析,為決策者進行圖書采購提供科學化的數(shù)據(jù)支持。為了進一步研究讀者的借閱習慣,提出基于序列模式挖掘的讀者借閱行為可視分析模型,發(fā)現(xiàn)讀者的借閱模式。在使用序列模式挖掘的過程中發(fā)現(xiàn)讀者的序列模式比較龐大,本文提出使用模式裁剪的方式降低序列數(shù)據(jù)庫中序列模式的規(guī)模,讓之后的可視化結果更容易被理解。實驗表明該模型能夠對讀者的借閱模式進行有效地挖掘,可視化的結果具有一定的實用價值。
[Abstract]:In the past 13 years since the establishment of Tianjin University United Library, it has been in the forefront of library informatization, but with the accumulation of time, the data in the information system has become increasingly huge and complex. How to make use of these data has become an urgent need of library management. Based on this demand, the author designs two visual analysis models. This paper mainly analyzes the data of library collection resources and readers' borrowing records. In view of the subjectivity of decision-making and the lack of objective basis in the decision-making process of paper literature procurement in university libraries, a visual analysis system model for library borrowing is put forward. Collection, mining, visual analysis of historical information, analysis of library data, construction of visual analysis system model of library borrowing and reading, setting up big data platform to verify the usability of the model. The system can visualize and analyze the massive historical data of books. The present visual analysis result view can be further enriched. The system can visually analyze the historical data borrowed by the library. In order to further study readers' borrowing habits, a visual analysis model of readers' borrowing behavior based on sequential pattern mining is proposed. Discover the reader's borrowing pattern. In the process of using sequential pattern mining, we find that the reader's sequential pattern is quite large. In this paper, we propose to reduce the scale of sequence pattern in sequence database by pattern clipping. The experimental results show that the model can effectively mine the readers' borrowing patterns, and the results of visualization have some practical value.
【學位授予單位】：天津工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：G250.7;TP311.13

【相似文獻】

相關期刊論文 前10條

1 張長海;胡孔法;陳凌;;序列模式挖掘算法綜述[J];揚州大學學報(自然科學版);2007年01期

2 肖哲;任勝兵;;序列模式挖掘研究進展[J];科技信息(科學教研);2007年36期

3 陳卓;楊炳儒;宋威;宋澤鋒;;序列模式挖掘綜述[J];計算機應用研究;2008年07期

4 王虎;丁世飛;;序列模式挖掘研究與發(fā)展[J];計算機科學;2009年12期

5 陳曉;;一種模糊序列模式挖掘的有效方法[J];現(xiàn)代計算機(專業(yè)版);2010年13期

6 李乃乾;姚新會;田東平;;多時間粒度序列模式挖掘[J];小型微型計算機系統(tǒng);2011年01期

7 吳孔玲;繆裕青;蘇杰;張曉華;;序列模式挖掘研究[J];計算機系統(tǒng)應用;2012年06期

8 聶成林,王浩,胡學鋼;基于概念格的序列模式挖掘[J];計算機工程;2003年20期

9 龔惠群,黃超,彭江平;具有雙時間維約束的股票序列模式挖掘[J];計算機工程;2003年20期

10 許兆新,郝燕玲;約束在序列模式挖掘中的應用研究[J];計算機工程與應用;2004年05期

相關會議論文 前10條

1 呂靜;陳未如;劉俊;Osei Adjei;;并發(fā)分支模式挖掘[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

2 端義鋒;胡谷雨;丁力;;序列模式挖掘在網絡告警分析中的應用[A];2004年全國通信軟件學術會議論文集[C];2004年

3 朱輝生;李存華;;序列模式挖掘的研究與實現(xiàn)[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 程銀波;司菁菁;;帶有間隔約束的序列模式挖掘算法[A];第二十二屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2005年

5 李潤恒;賈焰;金鑫;;一種面向網絡安全的序列模式挖掘方法[A];第二十五屆中國數(shù)據(jù)庫學術會議論文集（二）[C];2008年

6 李晟;姜青山;郭順;王備戰(zhàn);;一種優(yōu)化的蛋白質序列模式挖掘方法[A];第26屆中國數(shù)據(jù)庫學術會議論文集（B輯）[C];2009年

7 姚偉力;王錫祿;宋俊德;;基于序列模式挖掘的告警相關性分析算法[A];2005年信息與通信領域博士后學術會議論文集[C];2005年

8 任家東;解玉潔;何海濤;張愛國;;基于改進前綴樹PStree的最大序列模式挖掘[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集(B輯)[C];2010年

9 牛興雯;楊冬青;唐世渭;王騰蛟;;OSAF-tree——可迭代的移動序列模式挖掘及增量更新方法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2004年

10 張銳;熊峗;陳越;朱揚勇;;MS-BioSM:一個基于多支持度生物序列模式挖掘算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

相關博士學位論文 前8條

1 張勁松;基于約束的序列模式挖掘及其應用研究[D];上海交通大學;2015年

2 金陽;基于概念格模型的序列模式挖掘算法研究[D];吉林大學;2007年

3 謝飛;帶有通配符的序列模式挖掘研究[D];合肥工業(yè)大學;2011年

4 熊峗;生物序列模式挖掘與聚類研究[D];復旦大學;2007年

5 楊鈐雯;序列模式挖掘方法及Web使用挖掘研究[D];天津大學;2010年

6 陸介平;描述性規(guī)則挖掘若干關鍵技術研究[D];東南大學;2006年

7 葉紅云;面向金融營銷問題的個性化推薦方法研究[D];合肥工業(yè)大學;2011年

8 徐前方;基于數(shù)據(jù)挖掘的網絡故障告警相關性研究[D];北京郵電大學;2007年

相關碩士學位論文 前10條

1 張長海;分布式序列模式挖掘算法研究[D];揚州大學;2008年

2 陳曉;基于模糊集的序列模式挖掘研究[D];天津大學;2007年

3 俞單慶;序列模式挖掘及其在入侵檢測中的應用研究[D];南京師范大學;2008年

4 楊名時;加權負序列模式挖掘算法研究[D];齊魯工業(yè)大學;2015年

5 周慧霞;回歸方法估算最長頻繁模式長度研究[D];河北工業(yè)大學;2015年

6 馮建;基于命題邏輯的頻繁序列模式挖掘算法的研究[D];浙江工業(yè)大學;2014年

7 廖清科;面向時間序列相似性的序列模式挖掘及應用[D];重慶交通大學;2015年

8 周坤;一般周期間隙約束的序列模式挖掘[D];河北工業(yè)大學;2015年

9 向劍平;Web日志中序列模式挖掘算法的研究[D];重慶大學;2015年

10 董鑫;時序數(shù)據(jù)序列模式挖掘[D];南京航空航天大學;2015年

，

本文編號：1693484