智能算法在圖書管理系統(tǒng)中的應(yīng)用(編輯修改稿)
2025-05-04 23:13 本頁面
【文章內(nèi)容簡介】 2011年林郎蝶、王燦輝提出了一類基于劃分優(yōu)化策略的改進apriori算法——lapriori算法，該算法利用《中國圖書館分類法》將圖書按分類號信息進行分類形成子圖書館，算法首先在各子圖書館中進行關(guān)聯(lián)規(guī)則的挖掘，再將所挖掘到的關(guān)聯(lián)規(guī)則進行整合，從而得到最終的挖掘結(jié)果[3]。該算法的優(yōu)勢在于通過劃分優(yōu)化后，lapriori算法的空間復(fù)雜度僅為apriori算法的1/n，其中n為子圖書館的個數(shù)。 聚類分析算法聚類分析（cluster analysis）是數(shù)據(jù)挖掘技術(shù)中的一種典型方法，該類算法可在要劃分的類未知的情況下，將數(shù)據(jù)對象分組成不同的類。聚類的基本方法在建立基于分析對象的數(shù)據(jù)矩陣或相異度矩陣中，通過計算對象之間的距離來衡量對象之間的相似性或相異性，從而對數(shù)據(jù)對象進行分類。由于該技術(shù)仿真了一個無監(jiān)督的學(xué)習(xí)過程，因此被廣泛應(yīng)用于各類大型數(shù)據(jù)庫中。現(xiàn)有的聚類技術(shù)種類很多，主要有層次方法、劃分方法、基于密度的方法、基于網(wǎng)格的方法、基于模型的方法等[2]。目前，在針對圖書管理系統(tǒng)的研發(fā)中，研究人員嘗試將多種基于聚類分析技術(shù)的算法使用在圖書管理系統(tǒng)中，并在仿真實驗中取得了一些成果。下面內(nèi)容將具體介紹幾類算法。（1）2010年武建偉、俞曉紅、陳文清等人提出了利用基于密度的動態(tài)協(xié)同過濾算法改進現(xiàn)有的圖書推薦系統(tǒng)[6]。與傳統(tǒng)的靜態(tài)協(xié)同過濾算法不同，動態(tài)協(xié)同過濾算法首先利用模糊隸屬函數(shù)根據(jù)讀者借閱圖書的時間長度篩選出讀者對借閱圖書的興趣度，并利用基于密度的dbscan算法在按中圖法劃分的區(qū)域中進行聚類操作，從而建立用戶的興趣模型。在數(shù)據(jù)的增長和變化中，用戶的興趣聚類區(qū)域密度及權(quán)重將發(fā)生變化，從而實現(xiàn)動態(tài)的協(xié)同過濾推薦[6]。在仿真實驗中，作者以洛陽理工學(xué)院圖書管理系統(tǒng)讀者借閱數(shù)據(jù)為實驗對象進行仿真計算。
公司管理相關(guān)推薦
鄂ICP備17016276號-1