一种基于数据挖掘的图书荐购模型研究

• 作 者: 李澎林 郏莉 李伟
• 机 构: 浙江工业大学计算机科学与技术学院
• 出 处: 浙江工业大学学报
• 发表日期: 2019年1期
• 关键词: 数据挖掘 图书荐购模型 活跃书籍 K-MEANS算法 data mining book recommendation model active books k-

针对高校图书馆图书荐购无法满足读者需求的问题,设计了一种基于读者行为数据挖掘的高校图书荐购模型,该模型包括挖掘活跃书籍和匹配荐购书单两个过程。提出了一种基于改进的k-means算法的活跃书籍挖掘方法,该方法通过设置可调节的阈值来确定样本集中的噪声点,然后再根据最大距离法选取样本的初始聚类中心,最后基于该算法得出活跃书籍。实验证明:相比传统k-means算法,改进的k-means算法在活跃书籍挖掘过程中稳定性好、准确率高,满足了高校图书馆图书荐购的需求。