基于个性化服务的高效图书馆大数据挖掘与决策分析体系构建研究

摘要

为了提高图书馆管理系统在使用过程中的个性化和智能推荐需求,通过分析大数据挖掘实施方案,选择合适的数据挖掘工具,对图书信息进行预处理,并结合支持向量机和神经网络算法建立了个性化图书信息推荐服务方案,然后进行系统功能需求分析和系统整体架构分析,最后进行了实例展示和分析.研究发现:采用改进的SVM算法来实现图书馆的个性化数据挖掘,支持向量机算法在使用过程中具有监督的、可扩展和非线性的高效特性,能够实现非线性的多核心数据聚类效果,从而提高数据挖掘的学习能力;利用BP神经网络对处理后的数据样本进行适应性训练,用户在使用过程中给予一定的正向反馈,该决策分析体系根据反馈结果进行不断的自主学习并更新和优化样品数据,实现了一个闭合的良性循环;通过对设计的个性化图书馆推荐服务系统使用体验调查发现:选A的读者占比为58％,选B的读者占35％,说明在使用过程中对于该个性化推荐系统满意度超过了90％,能够为读者用户提供一定的借阅便利.