一、数据仓库技术及其在图书馆中的应用(论文文献综述)
董婕[1](2021)在《基于“读者画像”的图书馆个性化信息推荐系统构建研究》文中进行了进一步梳理当下信息技术日渐渗透进人们生活的各个方面,信息的交流与传递越来越便利,同时信息爆炸也更容易产生信息迷航。图书馆作为信息中介机构,在向智慧图书馆转型的过程中这一矛盾较为突出。对读者来说,图书馆在不断丰富馆藏实体文献资源和数字资源数据库,面对海量的信息资源,读者必须对自身的信息需求十分明确,才能更高效地检索出所需的信息。而对图书馆来说,在新的时代背景下,必须改变曾经被动向读者提供服务的方式,才可能避免图书馆职能地位被削弱。近年来,“用户画像”与推荐系统技术发展迅速,较为广泛地应用于电子商务、视频音乐平台、社交网络。很多平台都研究了个性化推荐的方案,促使信息能够更迅速地转化为实际的价值。这为图书馆解决以上矛盾提供了新的思路。将基于“读者画像”的个性化推荐系统引入图书馆领域,可以针对读者的个性化特征进行信息推荐来解决用户期望偏差的问题,提升图书馆开展各项服务的精准性。能够较好地解决图书馆在转型过程中难以把握读者需求、服务过于被动的问题,对图书馆来说是转型的一种较为有效的途径。本文以读者为中心,研究如何对“读者画像”的客观、准确描述的相关问题,并以“读者画像”为基础研究图书馆信息个性化推荐系统的构建问题,设计出该系统完整的体系架构、系统流程等。研究主要分为五个部分:第一部分为绪论,主要阐述了研究背景和意义、国内外研究现状、研究内容、方法、创新点、论文框架。第二部分为相关理论与技术基础,重点介绍了“用户画像”与个性化推荐的理论与技术基础,简要介绍了读者心理学的理论。第三部分为图书馆“读者画像”描述流程构建。按照数据处理顺序依次阐述流程各个部分,为之后系统推荐提供依据。第四部分为基于“读者画像”的个性化信息推荐系统设计,按照系统分析、系统设计、系统架构、系统应用的设计方法进行。第五部分做最后总结。在研究中以图书馆实践工作为基础,主要运用系统科学方法、模型构建方法。通过文献分析和图书馆调研确定系统的需求与功能,并将营销中的“用户画像”和读者心理学引入本研究,以系统的思维来构建图书馆的个性化推荐架构和模型。本文中建立了“读者画像”描述过程的基本架构:数据收集层、数据储存层、数据处理与分析层、读者关联层。系统总体设计构建了由系统管理模块、“读者画像”模块、信息推荐模块、结果展现模块、结果反馈模块组成的系统逻辑模型,详细设计根据以上逻辑模型进行更具体地模块设计。最后,构建了由数据层、分析计算层、结果层、反馈层四个层级组成的体系架构。最终基于读者画像的图书馆个性化信息推荐系统的基本逻辑结构和体系架构基本完成。
黄志良[2](2020)在《数据挖掘技术在高校图书馆资源利用中的应用研究》文中提出随着数据挖掘的不断进步和发展,数据挖掘技术应用已经涉及到了人们的方方面面。对高校图书馆借阅数据进行数据挖掘能在总体上掌握读者的阅读趋势,针对趋势做出科学的预测,从而提高了高校图书馆的管理水平和读者阅读氛围,有利于图书馆馆藏建设。本文主要从两个方面进行挖掘分析,第一,对借阅数据进行聚类分析,分析读者和图书的聚类特征,从而为图书馆服务创新和馆系合作提供更为严谨和科学的研究方法和思路。第二,对借阅数据进行关联规则分析,利用关联规则挖掘技术分析读者借阅信息,准确判断读者的借阅行为,了解和掌握不同专业读者群体在不同年级阶段的兴趣特征、潜在需求以及现实需求。数据挖掘工具选择了 IBM SPSS Modeler工具,聚类算法采用了 K-Means算法,而关联规则算法采用了 Apriori算法。由于这两种算法在上述工具中有着良好的体现,因此对于研究图书馆借阅数据是非常合适的,最终挖掘结果的精确度和准确度也得到了保障。最后本文提出了一种改进的协同过滤算法,以实现图书个性化推荐功能,并对图书个性化推荐模块进行了前端和后台的原型设计。前端主要是个性化图书推荐页面,后台主要是系统管理页面和热门图书管理页面。
张敷欣[3](2018)在《数据仓库技术及其在高校图书馆中的应用研究》文中认为大数据时代数据仓库的应用为图书馆的管理和决策提供了强有力的技术支持。分析了数据仓库的模块,由数据模块、替代模块、概括模块和实践模块等四个模块构成。以雪花结构模型与星型结构模型进行联机分析处理。用概率论中的回归分析与统计预测方法,统计运算出读者在整个学年或者大学三年内对有关文献信息的需求量。介绍了数据仓库的概念、架构、核心技术及设计思想,并对数据仓库技术在高校图书馆中的应用进行了研究。
郭少友,曹迪,简丹,王若龙,苏玉召[4](2016)在《资源同步框架ResourceSync及其在数字图书馆中的应用场景》文中研究表明[目的 /意义]Resource Sync是由美国国家标准协会颁布的资源同步框架规范,可用于实现互联网上不同系统之间的资源同步。对该规范的基本原理及其在数字图书馆中的应用场景进行分析,可为Resource Sync在数字图书馆中的实际应用提供借鉴。[方法 /过程]从框架结构、同步过程、资源发现机制3个方面分析Resource Sync的基本原理,在此基础上描述Resource Sync在数字图书馆中的3个应用场景,并对实际应用时需要注意的4个问题进行说明。[结果 /结论]数字图书馆可以通过Resource Sync支持的3种发现机制来发布或获取资源列表、资源仓库、变化列表、变化仓库,并经过基准同步、增量同步、审校等操作步骤来实现数字图书馆与镜像站点、资源提供者、资源使用者之间的资源同步。
郝海涛,马元元[5](2016)在《数据挖掘技术在图书馆信息服务中的应用》文中进行了进一步梳理信息服务是图使馆的主要功能之一,确保其服务质量是图书馆所有工作的重中之重。为满足图书馆信息服务需求,文章提出将数据挖掘技术应用于信息服务工作中,以提高服务质量,响应信息时代。首先,文章对数据挖掘技术的概念、基本过程及主要功能进行了简要分析;其次,从实际情况入手,分析了图书馆信息服务现状,提出有必要利用数据挖掘技术进行信息服务建设的论点;然后,从数据搜集、数据分析、决策支持、信息咨询、个性化服务等方面具体论述了数据挖掘技术在图书馆信息服务中的应用;最后,对图书馆应用数据挖掘技术提出了一些注意事项,切实发挥数据挖掘技术优势。
伍革新[6](2013)在《基于关联数据的数字图书馆资源聚合与服务研究》文中研究说明数字资源聚合是为了将多个数据源按照一定的方式将它们关联起来,数据与数据之间有较为稳定的关联关系、指向关系,访问和达到的路径有据可循,为用户重复利用数字资源有莫大的好处。在当前的数字资源聚合过程中,数字图书馆往往采用不同的硬件平台、操作系统、通信协议、数据库系统和数据描述标准,且多实行的是独立维护和管理的数字资源,造成大量分布式异构数据的生成,数据与数据之间简单关联或缺乏关联。当用户访问某个数据,根据需求跳转到另外一个数据时,若无一定的关联关系时,用户下次难以重复数据之间跳转的路径。关联数据作为语义网的一种轻量级实现方式,能够在对网络资源进行统一标识、深层关联的基础上,运用关联数据可以让数字图书馆中每一本书、每一个作者、每一个资源都能够有专门的访问路径和页面,实现数字图书馆资源的深度聚合,方便用户灵活的利用所需资源,并且可以重现数字资源访问的途径。运用关联数据技术可以实现了网络资源的充分共享,让数字图书馆资源有序化,有利于图书馆服务系统的更新与完善。本文从基于关联数据的资源聚合和服务两个方面来展开:(1)数字图书馆资源聚合的新途径:关联数据。通过文献研究、访谈和比较研究等方法分析当前数字资源聚合中存在的问题,根据国内外的对关联数据的应用研究,探究基于关联数据的数字图书馆资源聚合模式。关联数据通过对资源进行统一标识、深层关联,来实现对数字资源的深度聚合,提高数字图书馆数字资源的利用率。在这一部分中,通过对当前数字图书馆资源聚合的现状进行调查,对SFX、Web Service、P2P等流行聚合技术的比较,引出基于关联数据的资源聚合模式。运用内建有关联数据模式的Drupal平台,搭建图书馆目录导航,完成对关联数据应用的呈现。(2)基于关联数据的数字图书馆创新服务。本文在文献研究的基础上,探究数字图书馆的知识发现和知识服务,针对当前数字图书馆的服务内容,提出基于关联数据的个性制定与推送服务、数字化虚拟参考咨询等创新服务。基于关联数据的用户服务模型、协同创新推荐、智能创新推荐、信息集成服务等能够实现数字图书馆的信息个性化制定与资源推送,实时式、异步式、协作式、层次化相结合的数字化参考咨询能够为数字图书馆提供更好的用户咨询服务。本文分析当前数字资源聚合技术和方法,分析数字图书馆资源聚合中存在问题,引出基于关联数据的聚合方法与聚合模式。运用关联数据与相应的平台技术,将数字图书馆中的各类数据与数据之间建立语义关系、访问路径,甚至可以进一步标注数字资源的注科目类别、等级层次,让异构的数据成为一个有机体,较好的实现数字图书馆数字资源的聚合。运用关联数据实现数字图书馆的资源聚合,能更好的为用户提供个性化制定与资源推送服务、虚拟参考咨询等服务。
陈炎[7](2012)在《数据仓库技术在高校图书馆读者阅读行为分析中的应用研究》文中进行了进一步梳理随着时代的变迁,行业竞争的日趋激烈,使得各行业的发展理念、服务理念都有了很大的变化。以往依赖于经验进行的决策和服务也越来越不适应现代社会的发展,决策的科学化以及服务的人性化成为各行业发展新的理念。图书馆作为一个非营利的服务机构,在时代的浪潮中与时俱进,服务理念也由原来的以文献为中心转变为以读者为中心。高校图书馆作为图书馆的主体,承载着大部分的知识服务,其服务对象也是未来社会中最重要的知识分子群体,所以如何更好的提高图书馆的服务质量与效率,也是现代图书馆人越来越重视的问题。本文将数据仓库技术应用于图书馆的决策和服务过程中,以东北师范大学的本科生借阅数据为基础,构建了以读者阅读行为为主题的数据仓库;并以数据仓库中的数据为基础,利用数据分析软件对大量的借阅数据进行挖掘分析,得到读者的阅读倾向与偏好,从而将读者的内在需求应用到图书馆的日常工作中,为读者提供更高质量的服务。
余少瑛[8](2012)在《图书馆应用新技术研究述评》文中研究指明文章以2006年至2011年图书情报领域图书馆应用新技术为主题进行研究内容分析,从内容管理技术、存储技术、信息处理技术、信息服务技术、Web2.0技术5个方面进行主题述评,归纳图书馆应用技术的研究脉络及其热点,指出各领域研究中存在的问题。
王斌[9](2010)在《数据挖掘在高校图书馆服务中的应用研究》文中进行了进一步梳理随着社会的不断发展,知识更新的速度越来越快。这就对图书馆的服务工作提出了更高要求。现阶段,信息化服务逐渐成为图书馆服务工作的主流。在信息化的过程中,个性化信息越来越受到人们的重视。个性化服务改变了传统图书馆被动的服务方式,使图书馆能够更加有效地工作。论文通过对数据挖掘技术理论及个性化服务系统理论的研究,将数据挖掘技术引入到高校图书馆的读者服务中,实现了个性化图书推荐服务。在对校图书馆数据库进行深入的需求分析、借阅流程分析后,从理论上论述了建立数据挖掘模型的必要性,并对模型进行了结构设计,在此基础上对数据库中数据进行了预处理工作,再经过主题分析,粒度分析,模型建立等环节,建立了图书馆数据仓库,并对数据进行了OLAP分析。在数据挖掘阶段,论文首先对数据挖掘模型中的数据进行属性分类。通过分类把数据挖掘要采用的属性分为读者数值型属性和非数值型属性,图书数值型属性和非数值型属性。在具体实现研究中,论文以这些数据作为具体挖掘对象,应用数据挖掘技术,研究了图书馆个性化服务中数据挖掘分析的具体实现过程。具体实现主要从两个方面实施挖掘分析:一方面采用聚类分析,将该图书馆的读者进行有效分类,总结出不同聚类群体的特点;另一方面在聚类分析的基础上采用关联规则挖掘,对聚类分析出的数据做进一步挖掘,挖掘出读者对图书馆图书资源利用的关联内容,找出具有强关联性的各类图书,主动为读者提供相关借阅的书籍信息,以多种方式主动向读者推荐图书。
曹美琴[10](2008)在《数据挖掘在图书馆个性化服务中的应用研究》文中提出随着信息化的深入,信息资源数量日益庞大,人们对信息的需求量更大、要求更高、层次更深并逐步向个性化发展。于是,如何有效地利用这些数据,更好地为人们服务却成为一个问题。数据挖掘就是一种适于解决这种问题的工具。图书馆拥有海量的信息数据,如果能对此庞杂的数据进行科学的梳理和细分,挖掘数据背后隐藏的信息,从而为个性化服务提供决策支持,那么图书馆的潜力和价值将被最大程度地释放。本论文的研究内容,大致可以分为三个部分:第一部分是引言部分,主要阐述的是本课题的研究背景、研究意义、研究现状综述、研究目的以及研究方法。第二部分是文章的主要内容,包括第二~六章。第二章阐释了本课题涉及的基本概念—数据挖掘。第三章首先分析了图书馆个性化服务的资源及服务现状,从而引出数据挖掘运用到个性化服务中的必要性,再通过国内外案例的分析,来研究可行性。这一章主要起承上启下的作用。第四、五章是本论文的重点,第四章首先阐述了数据挖掘应用于图书馆个性化服务的特点、原则、分类及关键因素,并结合实例,分析了几种算法在图书馆中的具体应用。第五章是图书馆个性化服务环境下的数据挖掘总体设计。根据数据挖掘的流程设计了系统逻辑结构,基于功能设计了系统功能模块。第六章阐释了数据挖掘在图书馆个性化服务中应用的挑战。第三部分是文章的结尾部分,包括结论及附录部分。结论则是对课题研究的整体概括,以及本课题后续研究的展望,并提出了一些笔者的观点。说明了该课题(即数据挖掘在图书馆个性化服务中的应用研究)的重要性与必要性。附录部分是该课题的主要参考资料,包括中英文论文、中英文网站。
二、数据仓库技术及其在图书馆中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数据仓库技术及其在图书馆中的应用(论文提纲范文)
(1)基于“读者画像”的图书馆个性化信息推荐系统构建研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究综述 |
1.2.1 图书馆与“用户画像” |
1.2.2 “用户画像”与图书馆推荐系统 |
1.3 研究内容、研究方法及创新点 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 创新点 |
1.4 论文框架 |
第二章 相关理论与技术基础 |
2.1 读者心理学 |
2.2 “用户画像” |
2.2.1 “用户画像”的理论 |
2.2.2 “用户画像”的技术 |
2.2.3 “用户画像”的算法 |
2.3 个性化推荐 |
2.3.1 个性化推荐技术 |
2.3.2 个性化推荐算法 |
2.4 小结 |
第三章 图书馆“读者画像”描述流程构建 |
3.1 “读者画像”描述过程的基本架构 |
3.2 读者建模 |
3.2.1 读者分类 |
3.2.2 标签多层次多维度建模 |
3.3 标签数据存储 |
3.4 读者数据收集 |
3.4.1 显性数据收集 |
3.4.2 隐性数据收集 |
3.5 数据处理与分析 |
3.5.1 数据清洗 |
3.5.2 标签提取与赋予权重 |
3.5.3 模型训练与标签预测 |
3.6 画像建立 |
3.6.1 单个“读者画像”建立 |
3.6.2 群体“读者画像”建立 |
3.7 小结 |
第四章 基于“读者画像”的个性化信息推荐系统设计 |
4.1 系统分析 |
4.1.1 系统目标 |
4.1.2 系统必要性与可行性分析 |
4.1.3 需求分析 |
4.2 系统总体与详细设计 |
4.2.1 系统总体设计 |
4.2.2 系统详细设计 |
4.3 系统架构 |
4.3.1 系统体系结构 |
4.3.2 系统功能模块架构 |
4.3.3 系统处理流程 |
4.4 系统应用 |
4.4.1 系统应用环境 |
4.4.2 系统应用方向 |
4.4.3 系统应用中的问题 |
4.4.4 系统应用策略 |
4.5 小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(2)数据挖掘技术在高校图书馆资源利用中的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 引言 |
1.1 研究背景 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 现实意义 |
1.3 研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 研究内容 |
1.5 论文创新点 |
1.6 本章小结 |
第2章 相关理论综述 |
2.1 中图法 |
2.2 数据挖掘 |
2.2.1 数据挖掘的定义 |
2.2.2 数据挖掘的任务 |
2.2.3 数据挖掘的方法 |
2.2.4 数据挖掘的流程 |
2.3 数据挖掘在高校图书馆中的挖掘类型 |
2.3.1 文本数据挖掘 |
2.3.2 Web数据挖掘 |
2.3.3 数值数据挖掘 |
2.3.4 关系数据库数据的数据挖掘 |
2.4 本章小结 |
第3章 数据挖掘相关准备工作 |
3.1 数据挖掘工具IBM SPSS Modeler |
3.1.1 IBM SPSS Modeler简介 |
3.1.2 IBM SPSS Modeler的应用 |
3.1.3 IBM SPSS Modeler的数据挖掘流程 |
3.2 数据预处理 |
3.2.1 数据清洗 |
3.2.2 数据转换 |
3.2.3 数据集成 |
3.3 本章小结 |
第4章 聚类分析 |
4.1 聚类及其算法选择 |
4.1.1 聚类 |
4.1.2 聚类算法 |
4.1.3 K-Means算法 |
4.2 基于K-Means算法的图书馆借阅数据聚类实施 |
4.2.1 读者聚类实施 |
4.2.2 图书分类号聚类实施 |
4.3 图书馆借阅数据聚类结果分析 |
4.3.1 读者聚类结果分析 |
4.3.2 图书分类号聚类结果分析 |
4.4 本章小结 |
第5章 关联规则分析 |
5.1 关联规则及其算法选择 |
5.1.1 关联规则 |
5.1.2 关联规则的思路 |
5.1.3 Apriori算法 |
5.2 基于Apriori算法的图书馆借阅数据关联规则实施 |
5.2.1 图书分类号与图书分类号之间的关联规则挖掘 |
5.2.2 借阅月份与图书分类号之间的关联规则挖掘 |
5.3 图书馆借阅数据关联规则结果分析 |
5.3.1 图书分类号之间的关联规则结果分析 |
5.3.2 月份与图书分类号之间的关联规则结果分析 |
5.4 本章小结 |
第6章 图书个性化推荐模块 |
6.1 设计意义及模块功能 |
6.2 数据库设计 |
6.3 图书推荐算法设计 |
6.3.1 一种改进的协同过滤图书推荐算法的设计 |
6.3.2 图书混合推荐算法的设计 |
6.4 页面原型设计 |
6.4.1 前端推荐页面 |
6.4.2 后台管理页面 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 进一步工作的方向 |
致谢 |
参考文献 |
(3)数据仓库技术及其在高校图书馆中的应用研究(论文提纲范文)
引言 |
1、数据仓库结构 |
1.1 数据仓库的模块构成 |
1.2 数据仓库的关键软件 |
1.2.1 联机分析处理 |
1.2.2 数据挖掘系统 |
1.2.3 搜索引擎 |
1.3 数据仓库设计思想 |
1.3.1 确定主题 |
1.3.2 概念设计 |
2、数据仓库技术在高校图书馆中的应用 |
2.1 读者需求分析 |
2.2 馆藏结构分析 |
2.3 图书流通分析 |
2.4 图书采购分析 |
2.5 参考咨询分析 |
2.6 提高图书馆管理层的工作效率 |
3、结论 |
(4)资源同步框架ResourceSync及其在数字图书馆中的应用场景(论文提纲范文)
1 相关工作 |
1.1 现有资源同步方法分析 |
1.1.1 利用同步软件实现同步 |
1.1.2 利用中间件实现同步 |
1.1.3 利用更新通知实现同步 |
1.2 Resource Sync的应用情况 |
2 Resource Sync的基本原理 |
2.1 框架结构 |
2.2 同步过程 |
2.2.1 基准同步 |
2.2.2 增量同步 |
2.2.3 审校 |
2.3 资源发现机制 |
2.3.1 基于well-known URI的方法 |
2.3.2 基于链接的方法 |
2.3.3 基于robots的方法 |
3 Resource Sync在数字图书馆中的应用场景 |
3.1 数字图书馆与镜像站点之间的同步 |
3.2 数字图书馆与资源提供者之间的同步 |
3.3 数字图书馆与资源使用者之间的同步 |
4 实际应用中的注意事项 |
4.1 资源发现机制的实现问题 |
4.2 资源同步的实时性问题 |
4.3 两类资源的协调同步问题 |
4.4 数据格式问题 |
5 结语 |
(6)基于关联数据的数字图书馆资源聚合与服务研究(论文提纲范文)
中文摘要 |
Abstract |
1 绪论 |
1.1 研究背景与研究意义 |
1.2 国内外研究综述 |
1.3 研究思路与方法 |
1.4 研究内容及创新 |
1.5 论文的框架及主要内容 |
2 数字图书馆资源聚合的新途径:关联数据 |
2.1 数字图书馆数字资源聚合的概念 |
2.1.1 数字图书馆数字资源聚合的含义 |
2.1.2 数字图书馆资源聚合的基本原则 |
2.1.3 数字图书数字资源聚合方法 |
2.1.4 数字图书馆数字资源聚合与服务中存在的问题 |
2.2 基于关联数据的数字图书馆资源聚合概述 |
2.2.1 关联数据的定义 |
2.2.2 关联数据的概念与原则 |
2.2.3 关联数据的核心技术 |
2.2.4 数字资源聚合方式对数字图书馆服务的影响 |
2.3 基于关联数据的数字资源聚合方法 |
2.3.1 运用关联数据的特点 |
2.3.2 运用关联数据进行数字资源聚合的步骤 |
2.3.3 基于关联数据的数字资源聚合优势 |
3 基于关联数据的数字图书馆资源聚合 |
3.1 关联数据的采集与处理 |
3.1.1 数字图书馆数字资源聚合的必要性 |
3.1.2 数字图书馆关联数据的采集 |
3.1.3 分布式环境下数字图书馆关联数据的处理 |
3.1.4 数字图书馆关联数据格式标准化 |
3.2 基于关联数据的数字图书馆数字资源聚合内涵 |
3.2.1 基于关联数据的数字资源聚合扩展 |
3.2.2 基于关联数据的数字资源聚合模式 |
3.2.3 基于关联数据的数字图书馆资源聚合及资源服务平台设计 |
3.3 基于DRUPAL的关联数据平台 |
3.3.1 Drupal模块及其概念 |
3.3.2 Drupal的内容模型 |
3.3.3 内容模型与RDF模型的映射 |
3.3.4 基于Drupal的图书馆目录导航 |
4 基于关联数据的数字图书馆创新服务 |
4.1 基于关联数据的知识发现与知识服务 |
4.1.1 基于关联数据的知识发现 |
4.1.2 基于关联数据的语义检索 |
4.1.3 基于关联数据的知识服务 |
4.2 基于关联数据的信息个性定制与推送 |
4.2.1 基于关联数据的用户服务模型 |
4.2.2 基于关联数据的协同信息推荐模型 |
4.2.3 基于关联数据的智能信息推拉 |
4.2.4 基于关联数据的信息服务集成 |
4.3 基于关联数据的数字化虚拟参考咨询 |
4.3.1 同步式参考咨询服务 |
4.3.2 异步式参考咨询服务 |
4.3.3 多级化参考咨询服务 |
5 结论与展望 |
5.1 研究结论 |
5.2 存在问题 |
5.3 后续研究 |
参考文献 |
在校期间发表的论文、科研成果等 |
致谢 |
(7)数据仓库技术在高校图书馆读者阅读行为分析中的应用研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目标及意义 |
1.2.1 研究目标 |
1.2.2 现实意义 |
1.3 研究思路与内容 |
1.4 论文的组织结构 |
1.5 创新点 |
第二章 数据仓库技术的介绍 |
2.1 数据仓库的基础知识 |
2.1.1 数据仓库定义 |
2.1.2 数据仓库的特征 |
2.2 数据仓库的体系结构 |
2.2.1 源数据 |
2.2.2 数据的准备 |
2.2.3 数据的存储与管理 |
2.3 数据仓库的数据模型 |
2.3.1 数据仓库的概念模型 |
2.3.2 数据仓库的逻辑模型 |
2.4 数据仓库物理模型 |
2.4.1 数据存储结构的确定 |
2.4.2 索引策略的确定 |
2.4.3 数据存放位置的确定 |
2.4.4 存储分配的确定 |
第三章 读者行为分析的相关知识 |
3.1 读者阅读行为的特点 |
3.1.1 阅读的目的性 |
3.1.2 阅读的能动性 |
3.1.3 阅读的广泛性 |
3.1.4 阅读行为的群体性 |
3.2 影响大学生读者行为的因素 |
3.2.1 内部因素 |
3.2.2 外部因素 |
3.3 分析读者行为的方法 |
3.3.1 心理学研究方法 |
3.3.2 社会调查方法 |
3.3.3 技术方法 |
3.4 数据仓库在图书馆中应用的需求分析 |
3.4.1 技术上的可行性 |
3.4.2 图书馆的需求 |
第四章 读者行为数据仓库的设计 |
4.1 数据仓库概念模型的设计 |
4.1.1 系统边界的界定 |
4.1.2 图书馆数据仓库主题的确定 |
4.2 数据仓库的逻辑模型设计 |
4.2.1 主题域分析 |
4.2.2 粒度划分 |
4.2.3 维度表的设计 |
4.2.4 事实表的分析与设计 |
4.2.5 数据仓库星型数据模型 |
4.3 数据仓库物理模型设计 |
第五章 数据的处理 |
5.1 数据的处理过程 |
5.1.1 数据的抽取 |
5.1.2 数据的清洗 |
5.1.3 数据的转换 |
5.2 读者行为数据分析 |
5.2.1 从年级的角度进行分析 |
5.2.2 从院系角度进行分析 |
5.2.3 从文献的角度进行分析 |
第六章 读者阅读规律的应用及数据仓库构建意义 |
6.1 学生读者阅读规律的应用 |
6.1.1 图书馆决策方面的应用 |
6.1.2 图书馆服务上的应用 |
6.2 数据仓库构建意义 |
6.2.1 从图书馆的方面 |
6.2.2 从读者的角度 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 不足 |
7.3 展望 |
参考文献 |
后记 |
在学期间公开发表论文及着作情况 |
(8)图书馆应用新技术研究述评(论文提纲范文)
1 研究路径及方法 |
2 以信息组织与整合为代表的内容管理技术 |
3 以虚拟技术为代表的存储技术 |
4 以数据挖掘技术为代表的信息处理技术 |
5 以智能化、自动化技术为代表的信息服务领域 |
6 以RSS、博客、Wiki技术为核心的Web2.0 技术研究 |
7 研究总结 |
(9)数据挖掘在高校图书馆服务中的应用研究(论文提纲范文)
摘要 |
Abstract |
目录 |
1 绪论 |
1.1 选题背景 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 目前研究的不足 |
1.3 研究内容 |
2 理论基础综述 |
2.1 数据仓库及相关理论 |
2.1.1 数据仓库体系结构 |
2.1.2 数据仓库的数据元素 |
2.1.3 数据仓库数据模型 |
2.1.4 OLAP理论 |
2.2 数据挖掘及相关理论 |
2.2.1 数据挖掘过程 |
2.2.2 相关算法的比较分析 |
2.3 数据预处理 |
2.3.1 预处理的主要功能 |
2.3.2 预处理最新方法 |
3 高校图书馆服务中数据挖掘应用分析 |
3.1 高校图书馆数据挖掘模型设计目的和原则 |
3.1.1 设计目的 |
3.1.2 设计原则 |
3.2 高校图书馆挖掘模型需求分析 |
3.2.1 高校图书馆特点 |
3.2.2 高校图书馆借阅流程调查分析 |
3.2.3 数据挖掘技术在图书管理中的应用分析 |
3.3 高校图书馆数据挖掘研究问题 |
3.3.1 问题描述 |
3.3.2 研究具体内容 |
3.4 个性化推荐结构设计 |
3.4.1 整体结构设计 |
3.4.2 图书馆数据挖掘体系结构 |
3.5 挖掘工具选择 |
4 图书馆数据仓库的建立及OLAP分析 |
4.1 数据仓库体系分析 |
4.1.1 图书馆数据仓库建立的必要性 |
4.1.2 数据仓库主题的确立 |
4.1.3 框架的选择 |
4.1.4 数据源的获取 |
4.1.5 粒度分析 |
4.2 数据仓库模型 |
4.2.1 维度表分析及级别的设置 |
4.2.2 事实表分析 |
4.2.3 雪花模型和星座模型的的建立 |
4.3.4 数据仓库体系结构分析 |
4.3 图书馆数据仓库数据预处理 |
4.3.1 图书馆数据迁移 |
4.3.2 空值处理 |
4.3.3 图书馆数据清理 |
4.3.4 图书馆数据的转换 |
4.4 OLAP模型分析 |
4.4.1 基于时间特性的OLAP分析 |
4.4.2 基于图书类别的OLAP分析 |
5 图书馆个性化服务数据挖掘研究 |
5.1 个性化挖掘实施概述 |
5.2 图书馆数据挖掘数据准备 |
5.2.1 数据集成 |
5.2.2 数据标准化 |
5.3 数据集属性分类 |
5.3.1 属性分类目的 |
5.3.2 数据属性特征 |
5.3.3 属性的简约 |
5.3.4 研究属性归约 |
5.3.5 研究属性计算方法选择 |
5.4 算法的选择 |
5.4.1 聚类算法比较 |
5.4.2 聚类算法分析 |
5.5 通过聚类算法对读者细分 |
5.5.1 基于读者的聚类挖掘 |
5.5.2 聚类挖掘模型的建立 |
5.5.3 聚类结果分析 |
5.6 通过关联规则对图书进行强关联分析 |
5.6.1 基于图书的关联分析 |
5.6.2 关联挖掘模型的建立 |
5.6.3 选取图书借阅数据进行关联挖掘 |
5.6.4 在已聚类的群中进行关联挖掘 |
5.7 Clementine模型发布 |
5.8 挖掘分析的最终结果与解释 |
6 结论 |
致谢 |
参考文献 |
(10)数据挖掘在图书馆个性化服务中的应用研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 课题背景 |
1.2 课题意义 |
1.3 研究现状综述 |
1.4 研究目的 |
1.5 研究方法 |
2 数据挖掘的常用算法和技术现状 |
2.1 数据挖掘的定义 |
2.2 数据挖掘的常用算法 |
2.3 数据挖掘技术的发展现状 |
3 数据挖掘应用于图书馆个性化服务的必要性和可行性分析 |
3.1 图书馆个性化服务的现状 |
3.2 数据挖掘应用于图书馆个性化服务的必要性分析 |
3.3 数据挖掘应用于图书馆个性化服务的可行性分析 |
4 数据挖掘在图书馆个性化服务中的应用 |
4.1 数据挖掘在图书馆个性化服务中应用的特点 |
4.2 数据挖掘在图书馆个性化服务中应用的原则 |
4.3 数据挖掘在图书馆个性化服务中应用的分类 |
4.4 数据挖掘在图书馆个性化服务中应用的关键因素 |
4.5 数据挖掘算法在图书馆中的具体应用 |
5 图书馆个性服务中数据挖掘系统的总体设计 |
5.1 基于流程的系统逻辑结构 |
5.2 系统功能模块的设计 |
6 图书馆个性化服务中数据挖掘面临的挑战 |
7 总结及展望 |
参考文献 |
致谢 |
四、数据仓库技术及其在图书馆中的应用(论文参考文献)
- [1]基于“读者画像”的图书馆个性化信息推荐系统构建研究[D]. 董婕. 扬州大学, 2021(09)
- [2]数据挖掘技术在高校图书馆资源利用中的应用研究[D]. 黄志良. 南昌大学, 2020(01)
- [3]数据仓库技术及其在高校图书馆中的应用研究[J]. 张敷欣. 电子商务, 2018(04)
- [4]资源同步框架ResourceSync及其在数字图书馆中的应用场景[J]. 郭少友,曹迪,简丹,王若龙,苏玉召. 图书情报工作, 2016(22)
- [5]数据挖掘技术在图书馆信息服务中的应用[J]. 郝海涛,马元元. 信息通信, 2016(08)
- [6]基于关联数据的数字图书馆资源聚合与服务研究[D]. 伍革新. 华中师范大学, 2013(05)
- [7]数据仓库技术在高校图书馆读者阅读行为分析中的应用研究[D]. 陈炎. 东北师范大学, 2012(05)
- [8]图书馆应用新技术研究述评[J]. 余少瑛. 图书馆学研究, 2012(02)
- [9]数据挖掘在高校图书馆服务中的应用研究[D]. 王斌. 西安理工大学, 2010(12)
- [10]数据挖掘在图书馆个性化服务中的应用研究[D]. 曹美琴. 西北大学, 2008(08)