基于R的圖書(shū)館用戶(hù)借閱行為數(shù)據(jù)挖掘研究

侯松霞

[摘 要] 本文針對(duì)圖書(shū)館數(shù)據(jù)低效利用的現(xiàn)狀，采用了基于R的數(shù)據(jù)挖掘技術(shù)對(duì)圖書(shū)館借閱數(shù)據(jù)進(jìn)行了深入挖掘，以期發(fā)現(xiàn)這部分?jǐn)?shù)據(jù)所隱含的價(jià)值。通過(guò)數(shù)據(jù)挖掘從借閱數(shù)據(jù)中探索其中隱含的規(guī)律，并將挖掘出的規(guī)律信息進(jìn)行實(shí)際應(yīng)用，從而實(shí)現(xiàn)數(shù)據(jù)挖掘?qū)?shù)據(jù)中價(jià)值的發(fā)現(xiàn)和高效利用。

[關(guān)鍵詞] R；圖書(shū)館用戶(hù)；借閱行為；數(shù)據(jù)挖掘

[中圖分類(lèi)號(hào)] TP311 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1671-0037（2017）2-91-6

Data Mining Study of Library Users' Borrowing Behavior based on R

Hou Songxia

（Tianjin Transportation Vocational College， Tianjin 300112）

Abstract： The article aims at the status of inefficient use of library data， adopts R based data mining technology， and deeply evacuates the borrowing data of library， hoping to find the implied values of the data. In order to complete the efficient use of the value of the data by data mining， we explore the implied laws of the borrowing data by data mining and apply the mined laws into practical application .

Key words： R； library users； borrowing behavior； data mining

1 引言

評(píng)判一個(gè)圖書(shū)館服務(wù)水平的基本標(biāo)準(zhǔn)應(yīng)當(dāng)是借閱者的借閱需求滿(mǎn)足情況。為盡可能滿(mǎn)足借閱者的借閱需求，圖書(shū)館需要在館藏文獻(xiàn)管理及對(duì)借閱者提供個(gè)性化服務(wù)兩個(gè)方面做出努力。因此，需要通過(guò)對(duì)用戶(hù)借閱行為進(jìn)行深入的數(shù)據(jù)挖掘，得到更加接近真實(shí)的用戶(hù)需求情況。通過(guò)對(duì)用戶(hù)的借閱興趣、借閱習(xí)慣進(jìn)行分析總結(jié)，在預(yù)測(cè)未來(lái)的借閱行為的基礎(chǔ)上，發(fā)揮圖書(shū)館對(duì)用戶(hù)的引導(dǎo)教育作用。

2 圖書(shū)館用戶(hù)借閱行為分析數(shù)據(jù)特點(diǎn)

圖書(shū)館的服務(wù)對(duì)象主要可以分為：教師和學(xué)生。根據(jù)專(zhuān)業(yè)的不同，又可以進(jìn)一步細(xì)分，如學(xué)生用戶(hù)可以進(jìn)一步細(xì)分為理工類(lèi)學(xué)科與人文社科類(lèi)學(xué)科等。顯然，各類(lèi)用戶(hù)群對(duì)信息的需求層次差異很大，同一用戶(hù)群中不同專(zhuān)業(yè)的用戶(hù)信息需求也存在較大差異[1]。圖書(shū)館用戶(hù)的學(xué)科專(zhuān)業(yè)性非常明顯，信息需求主要集中在與專(zhuān)業(yè)領(lǐng)域緊密相關(guān)的專(zhuān)業(yè)文獻(xiàn)上，不同專(zhuān)業(yè)的用戶(hù)需求差異十分明顯，可以根據(jù)挖掘數(shù)據(jù)的結(jié)果進(jìn)行分析，將書(shū)籍的擺放位置和書(shū)籍的數(shù)量進(jìn)行調(diào)整，而相同專(zhuān)業(yè)的用戶(hù)也具有相近的興趣度，可以通過(guò)數(shù)據(jù)挖掘技術(shù)對(duì)各個(gè)用戶(hù)的借閱行為數(shù)據(jù)進(jìn)行挖掘，并對(duì)挖掘結(jié)果進(jìn)行專(zhuān)業(yè)性的分析，針對(duì)各個(gè)用戶(hù)的相似性開(kāi)展大量的個(gè)性化服務(wù)。

3 挖掘過(guò)程

3.1 數(shù)據(jù)挖掘目標(biāo)的確定

本文數(shù)據(jù)挖掘采用R語(yǔ)言，其目的是根據(jù)圖書(shū)館用戶(hù)借閱行為的數(shù)據(jù)來(lái)得到用戶(hù)的借閱習(xí)慣、借閱特點(diǎn)等，最終實(shí)現(xiàn)對(duì)館藏文獻(xiàn)的優(yōu)化管理及對(duì)借閱者提供個(gè)性化服務(wù)[2]。挖掘工作的重點(diǎn)應(yīng)該是分析并獲?。?.用戶(hù)類(lèi)型及各自類(lèi)型的借閱特點(diǎn)；2.不同種類(lèi)圖書(shū)的利用率。

3.2 數(shù)據(jù)獲取

在用戶(hù)利用圖書(shū)館的資源過(guò)程中會(huì)留下諸如讀者基本信息、借閱歷史、檢索歷史等大量的有價(jià)值信息，這就是我們進(jìn)行數(shù)據(jù)挖掘的數(shù)據(jù)來(lái)源，通過(guò)對(duì)用戶(hù)信息和借閱歷史的挖掘來(lái)得到我們需要的信息。

3.2.1 讀者信息。讀者的具體身份信息作為數(shù)據(jù)挖掘中的一項(xiàng)基礎(chǔ)數(shù)據(jù)。主要用來(lái)為用戶(hù)分類(lèi)、借閱行為分類(lèi)聚類(lèi)提供信息，由于數(shù)據(jù)量龐大，在預(yù)處理時(shí)需刪掉無(wú)用的數(shù)據(jù)，保留本次挖掘所需數(shù)據(jù)，如用戶(hù)編號(hào)、專(zhuān)業(yè)、性別屬性，如表1所示，本文針對(duì)某圖書(shū)館近幾年的圖書(shū)借閱情況進(jìn)行挖掘。

3.2.2 書(shū)目信息。書(shū)目信息與用戶(hù)信息類(lèi)似，是所有館藏書(shū)目的一個(gè)數(shù)據(jù)庫(kù)，主要包括書(shū)目名稱(chēng)、書(shū)目編號(hào)、出版社、所屬類(lèi)別、類(lèi)別編號(hào)、館藏位置、入館時(shí)間、下架時(shí)間等屬性。通過(guò)預(yù)處理后，所選擇的有效數(shù)據(jù)如表2所示。

3.2.3 讀者借閱記錄。讀者借閱歷史記錄主要包含了借閱的目標(biāo)信息（書(shū)籍?dāng)?shù)據(jù)）、時(shí)間信息及連接信息（編號(hào)數(shù)據(jù)），如表3所示。其中目標(biāo)信息的主要組成部分為書(shū)籍的屬性信息；時(shí)間信息的主要內(nèi)容包含借閱書(shū)籍的起止時(shí)間信息；聯(lián)系信息主要內(nèi)容為用戶(hù)編號(hào)等起聯(lián)系作用的信息[3]。但是這三種信息不應(yīng)該被撕裂開(kāi)來(lái)，而應(yīng)該是呈相互關(guān)聯(lián)、缺一不可的關(guān)系。在這里主要為方便敘述將其分為三類(lèi)：

第一，目標(biāo)信息。目標(biāo)信息是進(jìn)行聚類(lèi)分類(lèi)的重要核心數(shù)據(jù)，主要通過(guò)用戶(hù)編號(hào)與用戶(hù)信息進(jìn)行連接從而進(jìn)行數(shù)據(jù)挖掘。在此只截取數(shù)據(jù)中書(shū)名及圖書(shū)編號(hào)等數(shù)據(jù)進(jìn)行概化后用于數(shù)據(jù)挖掘；

第二，時(shí)間信息。時(shí)間信息對(duì)于數(shù)據(jù)挖掘的主要意義是進(jìn)行時(shí)間序列的分析，其主要內(nèi)容包括借閱時(shí)間、歸還時(shí)間等；

第三，聯(lián)系信息。聯(lián)系信息則為用戶(hù)編號(hào)等起聯(lián)系性作用的數(shù)據(jù)。這部分信息是利用數(shù)據(jù)挖掘技術(shù)獲取圖書(shū)館文獻(xiàn)利用狀況的關(guān)鍵，通過(guò)對(duì)它們的統(tǒng)計(jì)、歸類(lèi)、分析有助于了解書(shū)刊的使用情況并進(jìn)行預(yù)測(cè)分析同樣需要通過(guò)基于屬性的歸納算法進(jìn)行數(shù)據(jù)概化。最后得到的主要屬性有圖書(shū)主題、圖書(shū)編號(hào)、借閱時(shí)間段、借閱時(shí)長(zhǎng)。

3.3 數(shù)據(jù)預(yù)處理

從圖書(shū)館得到的用戶(hù)數(shù)據(jù)往往十分雜亂，結(jié)構(gòu)化進(jìn)行的并不完全，而且存在大量的無(wú)效信息。因此需要對(duì)其數(shù)據(jù)進(jìn)行預(yù)處理。

經(jīng)過(guò)預(yù)處理后的數(shù)據(jù)結(jié)構(gòu)如表4所示。

3.4 挖掘過(guò)程

根據(jù)指導(dǎo)圖書(shū)館實(shí)現(xiàn)其館藏文獻(xiàn)優(yōu)化目標(biāo)及給借閱者提供個(gè)性化推薦的目標(biāo)，對(duì)具體的挖掘任務(wù)進(jìn)行分配。根據(jù)借閱行為的主體及客體，我們將挖掘分為三個(gè)大的環(huán)節(jié)[4]。首先是對(duì)整體數(shù)據(jù)的大的挖掘，即得出高頻借閱者和高頻書(shū)籍，通過(guò)這一步驟的挖掘，我們會(huì)對(duì)于整體的數(shù)據(jù)結(jié)構(gòu)有直觀的理解。其次是對(duì)館藏文獻(xiàn)的挖掘。對(duì)文獻(xiàn)的挖掘，要考慮時(shí)間要素、優(yōu)質(zhì)資源、待下架資源這三方面的信息。最后是對(duì)于借閱者的需求信息的挖掘，其目的是挖掘出讀者的不同需求。

3.4.1 據(jù)概覽。通過(guò)對(duì)多個(gè)數(shù)據(jù)集的聯(lián)立（merge（）函數(shù)）得到了數(shù)據(jù)的整體情況。經(jīng)過(guò)對(duì)預(yù)處理數(shù)據(jù)進(jìn)行簡(jiǎn)單的統(tǒng)計(jì)，其中借閱記錄10 342條，借閱者編號(hào)（人數(shù)）3 321個(gè)，圖書(shū)編號(hào)4 032個(gè)。如圖1所示。

然后對(duì)數(shù)據(jù)中的用戶(hù)和書(shū)目進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)國(guó)際經(jīng)濟(jì)與貿(mào)易，金融學(xué)，成教院，信息管理與信息系統(tǒng)，計(jì)算機(jī)科學(xué)與技術(shù)和數(shù)學(xué)與應(yīng)用數(shù)學(xué)專(zhuān)業(yè)的同學(xué)借閱量最多，然后將所有出現(xiàn)次數(shù)前5的單位單獨(dú)導(dǎo)出，作為后續(xù)分析中的重點(diǎn)挖掘?qū)ο蟆Ｍ韺?dǎo)出被借閱書(shū)籍最多的種類(lèi)，作為向?qū)W校推薦加強(qiáng)館藏建設(shè)的重點(diǎn)內(nèi)容。如圖2所示。

3.4.2 挖掘文獻(xiàn)使用規(guī)律

圖書(shū)館的文獻(xiàn)被借閱情況，其往往表現(xiàn)出一定的規(guī)律性。

第一，對(duì)時(shí)間要素的挖掘

在時(shí)間序列上，往往表現(xiàn)在特定時(shí)間的某種類(lèi)型書(shū)籍被大量借閱，而突然增大的借閱量必然會(huì)影響圖書(shū)館的服務(wù)質(zhì)量。所以通過(guò)對(duì)時(shí)間要素的挖掘，我們可以對(duì)圖書(shū)館在借閱量增加的時(shí)候?qū)D書(shū)館的工作情況進(jìn)行適當(dāng)?shù)恼{(diào)整。如圖3所示。

經(jīng)過(guò)觀察發(fā)現(xiàn)數(shù)據(jù)集中在2011年的11月，因此時(shí)間序列上以天數(shù)為劃分標(biāo)準(zhǔn)，然后利用table（）函數(shù)及plot（）函數(shù)來(lái)繪制出不同月份圖書(shū)借閱量的圖表。以便于直觀地對(duì)借閱量的月度變化進(jìn)行掌握。通過(guò)對(duì)圖書(shū)館不同月份借閱量的對(duì)比，我們可以根據(jù)圖4看出，在該月，圖書(shū)借閱量隨著時(shí)間變化呈現(xiàn)出明顯的規(guī)律性變化，整體呈現(xiàn)出波動(dòng)性變化。再結(jié)合周度記錄的圖表圖5，可以得出圖書(shū)館的借閱活動(dòng)相對(duì)高峰期出現(xiàn)在每周的周二前后，并且在周五前后將出現(xiàn)一個(gè)較明顯的低落，經(jīng)過(guò)分析后判斷出這種規(guī)律性變動(dòng)，主要是因?yàn)閷W(xué)校在課程安排以周為單位。很多同學(xué)會(huì)在新的一周開(kāi)始時(shí)接到教師安排的新的學(xué)習(xí)任務(wù)，為了滿(mǎn)足專(zhuān)業(yè)性的知識(shí)需求，會(huì)在周一之后開(kāi)始去圖書(shū)館借閱書(shū)籍，這直接導(dǎo)致了周二前后借閱高潮的出現(xiàn)。在經(jīng)過(guò)一周的學(xué)習(xí)后，面對(duì)即將到來(lái)的周末，由于周末休息時(shí)間較長(zhǎng)，部分讀者利用周末安排了外出游玩等社交休閑活動(dòng)，因此借閱熱情減退，這也導(dǎo)致了周五前后的借閱量低潮的出現(xiàn)。

第二，對(duì)優(yōu)質(zhì)資源的挖掘。圖書(shū)館中存在著大量的優(yōu)質(zhì)資源，這些優(yōu)質(zhì)資源常常處于被借閱的狀態(tài)，但是在實(shí)際流通中其表現(xiàn)出的流通率卻并不高，因?yàn)檫@些資源經(jīng)常被同一用戶(hù)反復(fù)借閱[5]。這就為我們挖掘出這一部分優(yōu)質(zhì)的資源埋下了巨大的障礙，因?yàn)榧炔荒軉渭円粤魍蕘?lái)判斷（部分書(shū)籍可能因?yàn)榉饷嬖O(shè)計(jì)吸引眼球而被頻繁借閱，但質(zhì)量并不足夠優(yōu)質(zhì)），也不能單純以被借閱時(shí)長(zhǎng)來(lái)判斷（部分書(shū)籍被借走但卻長(zhǎng)期停留在書(shū)架上）。

因此，在篩選出優(yōu)質(zhì)資源時(shí)需要考慮多個(gè)參數(shù)的影響：a.平均借閱時(shí)間；b.被借閱次數(shù)；c.重復(fù)借用率。在這三個(gè)參數(shù)都滿(mǎn)足閾值的記錄時(shí)應(yīng)該基本滿(mǎn)足優(yōu)質(zhì)資源的標(biāo)準(zhǔn)。但是，因?yàn)檫@種篩選方法在閾值這個(gè)門(mén)檻上將大量的新進(jìn)書(shū)籍排除在外，所以還需要再進(jìn)行重新考慮。為尋求更合適的篩選方法，我們可以通過(guò)聚類(lèi)分析的方法來(lái)進(jìn)行初步的探索（即對(duì)新進(jìn)書(shū)籍與歷史書(shū)籍進(jìn)行聚類(lèi)分析）。

第三，對(duì)待下架資源的挖掘。在獲取了優(yōu)質(zhì)資源目錄的同時(shí)，我們還需要對(duì)圖書(shū)館中的陳舊資源進(jìn)行清理，以避免部分類(lèi)新購(gòu)進(jìn)書(shū)籍因?yàn)闀?shū)架資源有限而無(wú)法陳列出來(lái)。對(duì)待下架資源的挖掘需要考慮兩方面的因素：1.新增加的書(shū)籍?dāng)?shù)量，這是驅(qū)動(dòng)對(duì)待下架資源挖掘的動(dòng)力；2.文獻(xiàn)的被借閱量，這是評(píng)判一本書(shū)籍是否需要下架的主要因素。

因?yàn)槲墨I(xiàn)使用的量是動(dòng)態(tài)變化的，所以通過(guò)數(shù)據(jù)挖掘?qū)v史數(shù)據(jù)的分析，獲取平均上架數(shù)量對(duì)于圖書(shū)館的優(yōu)化館藏排架結(jié)構(gòu)十分重要。新增書(shū)籍的數(shù)量可以通過(guò)書(shū)目記錄信息獲得，而流通數(shù)量可以通過(guò)以下方式獲得：首先利用往年相同時(shí)期的流通數(shù)量變化情況，特別是在高校圖書(shū)館，由于院系課程進(jìn)度的原因，會(huì)出現(xiàn)周期性學(xué)生大量借閱同類(lèi)書(shū)籍文獻(xiàn)的現(xiàn)象，利用這一已知規(guī)律，可以很方便地來(lái)推算當(dāng)前流通數(shù)量。當(dāng)然這有一個(gè)前提，就是該類(lèi)書(shū)籍必須具有這種周期性變化，在這里可以使用回歸分析、時(shí)間序列分析的方法來(lái)獲取這些規(guī)律。當(dāng)某類(lèi)圖書(shū)不存在周期性借閱起伏時(shí)可以利用其回歸曲線的變化趨勢(shì)來(lái)分析，如果曲線歷來(lái)比較平穩(wěn)，說(shuō)明這類(lèi)書(shū)籍的在館率比較穩(wěn)定，而如果偶然出現(xiàn)一次高峰，我們可以向上文一樣通過(guò)關(guān)聯(lián)挖掘獲取其當(dāng)時(shí)借閱量突增的原因。

第四，挖掘用戶(hù)特點(diǎn)。通過(guò)對(duì)借閱者與借閱記錄的聯(lián)合挖掘，可以得出大量的用戶(hù)需求信息，而這些需求信息，是指導(dǎo)圖書(shū)館實(shí)現(xiàn)其館藏文獻(xiàn)優(yōu)化目標(biāo)及給借閱者提供個(gè)性化推薦的重要指導(dǎo)。要實(shí)現(xiàn)對(duì)這些聯(lián)合信息的挖掘，我們需要頻繁使用到關(guān)聯(lián)規(guī)則的挖掘，因此在此進(jìn)行較為具體的描述。我們主要采用的是購(gòu)物籃分析（Market Basket Analysis）[6]。購(gòu)物籃分析是通過(guò)顧客購(gòu)物時(shí)的籃子內(nèi)的商品所顯示的信息來(lái)研究顧客的購(gòu)買(mǎi)行為，通過(guò)這些信息，可以了解到不同顧客的不同需求以及需求的原因，從而得到一定的規(guī)律。主要的目的在于找出什么樣的東西應(yīng)該放在一起，并藉由這些規(guī)則的挖掘獲得利益與建立競(jìng)爭(zhēng)優(yōu)勢(shì)。這種思路對(duì)于我們進(jìn)行圖書(shū)的個(gè)性化推薦具有重要參考價(jià)值。我們可以通過(guò)對(duì)借閱者借閱記錄中的書(shū)籍進(jìn)行匯總，進(jìn)而形成每個(gè)借閱者的“數(shù)據(jù)籃子”，然后對(duì)眾多的“數(shù)據(jù)籃子”進(jìn)行匯總，通過(guò)apriori算法，對(duì)其進(jìn)行相關(guān)性的挖掘，然后對(duì)形成的關(guān)聯(lián)規(guī)則進(jìn)行排序，將其中聯(lián)系性較強(qiáng)的數(shù)據(jù)進(jìn)行推廣利用，主要的目的在于推斷借了某本書(shū)的人還會(huì)借閱哪本書(shū)，并藉由這些信息來(lái)實(shí)現(xiàn)對(duì)讀者的個(gè)性化推薦。

關(guān)聯(lián)規(guī)則的挖掘包括兩個(gè)階段的工作，首先是對(duì)于資料的整理，因?yàn)橐话愕臄?shù)據(jù)集需要經(jīng)過(guò)整理符合其算法的需求才可以進(jìn)行下一步的輸入處理。在此過(guò)程中，主要利用as（transactions，數(shù)據(jù)集名稱(chēng)）函數(shù)將一般性的數(shù)據(jù)轉(zhuǎn)換為購(gòu)物籃類(lèi)型的數(shù)據(jù)。如圖6所示。

其次，就是具體的關(guān)聯(lián)過(guò)程。是從資料集合中找出所有的高頻項(xiàng)目組，在圖書(shū)館用戶(hù)行為數(shù)據(jù)挖掘中，使用關(guān)聯(lián)規(guī)則挖掘技術(shù)，對(duì)數(shù)據(jù)庫(kù)中的紀(jì)錄進(jìn)行資料挖掘，首先必須要設(shè)定最小支持度與最小信賴(lài)度兩個(gè)門(mén)檻值。符合此需求的關(guān)聯(lián)規(guī)則將必須同時(shí)滿(mǎn)足以上兩個(gè)條件。最后，再由這些高頻項(xiàng)目組中產(chǎn)生關(guān)聯(lián)規(guī)則，若經(jīng)過(guò)挖掘過(guò)程所找到的關(guān)聯(lián)規(guī)則（如「專(zhuān)業(yè)，書(shū)目類(lèi)別」），滿(mǎn)足設(shè)定最小支持度與最小信賴(lài)度兩個(gè)門(mén)檻值，將可接受該關(guān)聯(lián)規(guī)則。因此，今后若有某讀者已確定某一相關(guān)要素，則圖書(shū)館將可推薦該讀者借閱某一類(lèi)書(shū)籍。如圖7所示。

在對(duì)整體數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析之后，又對(duì)不同類(lèi)別數(shù)據(jù)（如金融系等）進(jìn)行了多次重復(fù)性關(guān)聯(lián)之后[7]，我們得出很多的結(jié)論，如通過(guò)對(duì)整體數(shù)據(jù)挖掘發(fā)現(xiàn)借閱計(jì)算機(jī)類(lèi)圖書(shū)的讀者往往會(huì)再借閱一些文學(xué)性的書(shū)籍，而對(duì)管理學(xué)專(zhuān)業(yè)的挖掘表明，管理學(xué)學(xué)生的借閱內(nèi)容范圍往往十分廣泛，不易形成關(guān)聯(lián)規(guī)則（支持度往往不高），這些結(jié)論對(duì)于圖書(shū)館的館藏內(nèi)容進(jìn)行優(yōu)化就具有比較明顯的作用，而且根據(jù)得出的具體關(guān)聯(lián)規(guī)則，還可以在進(jìn)行圖書(shū)推薦時(shí)針對(duì)不同院系的學(xué)生進(jìn)行相對(duì)個(gè)性化的推薦。

4 結(jié)語(yǔ)

因?yàn)楸敬瓮诰蛲耆蕾?lài)數(shù)據(jù)驅(qū)動(dòng)，只是根據(jù)數(shù)據(jù)內(nèi)容上挖掘出需要的規(guī)則，所以源數(shù)據(jù)的準(zhǔn)確性完全決定了本次挖掘準(zhǔn)確性，但是部分的數(shù)據(jù)挖掘過(guò)程因?yàn)閿?shù)據(jù)量太小，僅為幾百條，所以進(jìn)行個(gè)性化推薦的挖掘中得出的結(jié)論可能會(huì)受此影響。與此同時(shí)，我們只是對(duì)源數(shù)據(jù)進(jìn)行了挖掘，對(duì)于源數(shù)據(jù)的準(zhǔn)確性并未深究，所以，本次挖掘結(jié)果并不一定與實(shí)際情況吻合。通過(guò)數(shù)據(jù)挖掘這一工具，我們得到的用戶(hù)模型必定與事實(shí)存在著一定的差異。因此，將模型與實(shí)際情況進(jìn)行驗(yàn)證，并進(jìn)行適當(dāng)?shù)恼{(diào)整應(yīng)當(dāng)是提高挖掘結(jié)果準(zhǔn)確性的一種重要思路。

參考文獻(xiàn)：

[1] 李賢虹.基于數(shù)據(jù)挖掘的讀者個(gè)性化信息服務(wù)系統(tǒng)的研究與設(shè)計(jì)[D].南昌：南昌大學(xué)，2009.

[2] 譚云江.基于數(shù)據(jù)挖掘技術(shù)的高校圖書(shū)館讀者行為研究[J].圖書(shū)情報(bào)工作，2012（S）.

[3] 艾金勇.圖書(shū)館讀者借閱行為的關(guān)聯(lián)規(guī)則挖掘研究[J].情報(bào)探索，2017（1）：40-43.

[4] 陳靜榮.圖書(shū)借閱分析系統(tǒng)的數(shù)據(jù)挖掘技術(shù)[J].農(nóng)業(yè)圖書(shū)情報(bào)學(xué)刊，2017（2）：69-72.

[5] 陳潔.數(shù)據(jù)挖掘在高校圖書(shū)館服務(wù)中的應(yīng)用探析[J]. 大學(xué)圖書(shū)情報(bào)學(xué)刊，2016（2）：53-57.

[6] 陳麗芳.基于Apriori算法的購(gòu)物籃分析[J].重慶工商大學(xué)學(xué)報(bào)（自然科學(xué)版），2014（5）.

[7] 郝海濤.關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘在圖書(shū)館系統(tǒng)中的應(yīng)用[J].信息通信，2016（6）：74-76.