下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
摘
要:文章针对当前公共图书馆少儿阅读推荐服务中存在的问题,研究了基于大数据挖掘的公共图书馆少儿阅读推荐方法,通过对比实验的方式证明了该方法的优越性,即对于少儿和少儿家长偏好度的提升效果更好,且能在满足少儿阅读需求的基础上引导少儿养成良好的阅读习惯。关键词:大数据挖掘;公共图书馆;少儿阅读;推荐方法中图分类号:G258.2
文献标识码:A
文章编号:1003-1588(2024)01-0013-03公共图书馆是开展阅读推广的重要机构,承担着培养少儿阅读习惯,提升其阅读能力的重要责任。在多元化时代背景下,少儿的阅读环境发生了翻天覆地的变化,阅读资源丰富,少儿的阅读需求越来越多元化、个性化[1]。与成年人相比,少儿的阅读能力和理解能力较弱[2],难以阅读理论性较强或层次较深的图书。因此,公共图书馆在为少儿读者推荐阅读资源的过程中,应积极利用大数据、云计算等现代化技术手段寻找适合其阅读的资源[3]。大数据技术中的大数据挖掘是指利用特定算法深度挖掘隐藏信息,常被应用于计算机、医学、经济等领域,成效显著,但在公共图书馆领域的研究和应用案例较少。1
基于大数据挖掘的公共图书馆少儿阅读推荐方法1.1
公共图书馆少儿阅读资源的获取与处理为了保障少儿阅读推荐服务的质量,公共图书馆需确保相关阅读资源的数量和质量。在开展少儿阅读资源建设的过程中,公共图书馆需要对各类信息资源进行清查、转化、集成等处理,为后续开展数据信息的挖掘工作提供优质信息源,这些信息包括馆藏图书数据、读者信息、图书借阅数据等[4]。其中,馆藏图书数据是公共图书馆在日常运行过程中必不可少的数据信息,图书数据包括书名、作者等一系列图书属性信息;读者信息是少儿阅读推荐方法必须用到的关键数据,包括读者个人信息、读者借阅情况聚类分析数据等[5];图书借阅数据是取自公共图书馆借阅业务数据库的数据信息,是研究少儿读者阅读行为的关键信息。公共图书馆在获取少儿阅读资源后,应对这些资源进行相应的预处理,处理流程如图1所示。需要注意的是,公共图书馆应对相关数据进行空值数据处置和噪音数据过滤等处理,为每一本图书设定独立的索引,并对读者信息中的空白项(空值)进行补全处理[6]。在该过程中,如果存在无法补全的问题,公共图书馆就需要清除相关数据信息,并及时清除数据源中的重复数据,以提高大数据挖掘效率。在完成数据清洗后,公共图书馆应将各类数据转换为统一的格式[7],并进行数据集成,生成少儿基础数据表、少儿节约数据表及少儿图书数据表,为大数据挖掘奠定数据资源基础。1.2
基于大数据挖掘的少儿读者信息挖掘公共图书馆应对少儿读者的信息进行聚类处理与分析,合理划分少儿阅读群体,科学选取符合不同少儿阅读群体阅读要求的阅读资源开展少儿阅读推荐服务。公共图书馆可按以下步骤挖掘少儿读者信息。第一步,设置聚类个数,对已完成处理的数据源进行聚类解析,以随机的方式获取少儿读者阅读信息,利用K-means算法对数据表中的数据进行聚类和挖掘处理。王凤燕结合公共图书馆的读者借阅数据将少儿读者分为活跃型、普通型及其他类型3类[8],因此笔者将聚类K值设定为3。在分类过程中,笔者引入欧氏距离计算公式,计算不同少儿读者信息与所属分类之间的欧式距离,计算公式为:d(x1,x2)=∑di=1(x1k-x2k)2其中,d(x1,x2)为两个陈述属性x1和x2之间的欧氏距离,x1k和x2k为两个陈述属性的详细选值。公共图书馆根据该公式计算得出欧氏距离后,可基于聚类相关结构,重新设定k个簇,利用误差平方等对聚类特性进行评定。假设在某一数据集中,k个簇的子集分别为各个簇的样本数据,则其误差平方和的计算公式为:E=∑ki=1‖p-m‖2其中,E为误差平方和,p为簇的个数,m为各簇样本数目。将数据集中的所有元素按照新的中心重新完成聚类,若汇总计算得出的误差平方和不再发生明显变化,则说明已完成聚类和收敛。第二步,在完成对准则函数是否收敛的判断后,将各类少儿读者信息进行分类存储,并通过可视化的方式进行展示。第三步,将少儿读者聚类挖掘的行为有效值设定为k,在此过程中,应知悉k的有效取值范围会直接影响对少儿读者信息聚类的效果。如果k的最终选值较小,则会在聚类后出现簇族覆盖范围过大的问题,甚至会出现聚类结果价值性信息较少的问题;如果k的最终选值较大,则会在聚类后出现簇族覆盖范围过小的问题,导致聚类数据分散,无法得到关联性较强的数值。通常情况下,在初步完成对k的赋值后,必须通过持续调节的方式对k的值进行优化,得到一个簇间距较小的有效区间,在该区间内输出合适的k值。1.3
基于大数据挖掘的少儿借阅信息挖掘在完成对少儿读者信息的挖掘后,公共图书馆应利用大数据技术进一步挖掘少儿借阅信息,研究少儿读者的潜在阅读行为规律,并通过设置支持度有效阈值、借阅行为信度等方式,对不同图书的价值与关联度进行分析,具体的信息挖掘步骤如下。第一步,利用公共图书馆历史数据库中的信息资源建设少儿借阅信息数据库。在数据库建设过程中,公共图书馆可将部分图书借阅记录作为项数集合,以分析数据库中信息的关联性。第二步,定义少儿借阅信息行为的支持度S,行为有效置信度C及行为提升潜在空间lift,将这3个参数作为变量参数,并进行关联处理,得到少儿借阅信息挖掘的关联规则。公共图书馆通过调整参数有效范围的方式,可实现对挖掘信息中关联值的干扰,并通过迭代的方式,对关联规则进行优化。在确认各参数之间具有强关联性后,公共图书馆应对lift参数进行调整,仅保留大于lift值的数据,并将其作为关联规则數值,并对相关信息进行强关联处理,以深入挖掘少儿借阅信息。第三步,在完成对信息的处理后,通过设置项集的方式,对关联信息进行集中展示,由终端技术人员负责对数据信息进行筛查,手动清除无关信息,优化信息挖掘成果。1.4
公共图书馆少儿阅读个性化推荐在完成信息挖掘的基础上,公共图书馆可有效开展少儿阅读个性化推荐服务,在为少儿读者推荐优质阅读资源的同时,快速检索并聚类相似度较高的读者信息群。公共图书馆可收集少儿读者的个人及检索数据,利用大数据挖掘结果构建关联模型,精准地为少儿读者推荐阅读资源。2
对比实验为了验证基于大数据挖掘的少儿阅读推荐方法的效果,笔者分别将该方法与基于信息觅食的少儿阅读推荐方法应用于某公共图书馆的相关实践,对两种方法的用户偏好度进行对比,用户偏好度计算公式为:U={(a1,b1),(a2,b2),…,(a3,b3)}其中,U为少儿阅读推荐结果中的用户偏好度,ai为某一类公共图书馆阅读资源的评价数据,bi为某一类阅读推荐方法的用户评价指数,i的取值范围均为1,2,3,……,n。根据实际情况,笔者将U的取值范围设定为0到1之间,U的值越接近1,說明推荐的图书越能够满足少儿读者的阅读需求。由于少儿的认知发育不够健全,因此,公共图书馆在计算用户偏好度的过程中,除考虑少儿读者的阅读需求外,还应考虑少儿家长的教育需求。表1为笔者针对两种少儿阅读推荐方法的用户偏好度计算结果,基于大数据挖掘的少儿阅读推荐方法的用户偏好度明显高于基于信息觅食的少儿阅读推荐方法。3
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 七年级地理教学设计:西亚“三海五海”区位与资源地缘政治博弈
- 高中体育与健康跨栏跑模块“多功能跨栏架”微课教学设计
- 初中二年级数学第15章分式知识清单梳理教学设计
- 高三英语外研版必修三Unit 3 The world of science一轮复习教学设计
- 七年级综合实践活动课《制作小板凳》学历案教学设计
- 初中科学七年级下册“土壤的结构和质地”第二课时教学设计
- 高一年级德育主题班会教学设计:青春期心理特征与亲密关系边界建构
- 高三生物教学设计:第五单元 第27课时 基因在染色体上的实验探究与核心素养培育
- 高一化学教学设计:氧化还原反应价变规律与守恒规律深度解析
- 初中七年级劳动技术教学设计:盆景艺术世界
- 混凝土工程冬季施工专项方案
- (2026版)《建筑公司经营部年终工作总结》
- 2026银行信用卡业务盈利模式转变规划分析研究报告
- 2026新教材语文 2《啊我们踯躅于黑暗的丛林里!》教学课件
- 钉子板上的多边形教学设计
- 2026年认证基础CCAA考试练习题及答案
- 气体灭火系统培训课件
- 《机械制图》电子教材
- 中医护理操作技术热奄包
- JG/T 346-2011合成树脂装饰瓦
- 老年公寓各项管理制度大全与创新案例
评论
0/150
提交评论