全文总字数：1777字

1. 研究目的与意义及国内外研究现状

基于数据挖掘的图书购买行为分析要充分利用书店系统的数据，实现挖掘应用。对书店而言，其服务模式和市场营销模式有许多相似之处，通过收集、加工和处理涉及读者购买行为的大量信息，确定读者购买倾向和购买需求，可以推断未来购买行为，主动提高书店的服务质量。书店系统的数据主要是读者和图书数据，而书店的主要服务对象也是读者，因此其目标为：如同关联规则在货篮分析中的应用一样，图书的关联性分析也是根据读者的购买情况，主动为其提供一些相关的书籍，方便读者。 不同类图书间关联性分析，按照书店的图书分类（自定义一个大写字母对应一类，字母后面的数字对应该类下属的小类），挖掘读者在购买各类图书时潜在的关联规则，得出不同种类图书之间的强关联规则，根据规则可对书店图书的摆放格局进行改善，这样就不必拘泥于传统的按大类摆放图书，可以根据规则把有关联性的图书摆放的近一些，这样既方便读者，还可为读者提供更多个性化的服务，也对书店的经营有帮助，能够实现双赢。

国内外研究现状

经查阅论文发现，很少有将数据挖掘技术用来研究线下书店的购买记录数据，因此参考了数据挖掘在图书馆借阅行为分析上的研究现状。 彭仪普、熊拥军利用Apriori算法对图书馆借阅历史数据进行关联挖掘，利用读者证号和图书分类号作为挖掘元素，挖掘出了图书之间的关联规则。佘俊胜、黄战基于MMS_ Cumulate和GP一Apriori算法，提出了一种广义关联规则挖掘算法MAR_ LCR，能够快速的挖掘出“读者一图书”的广义关联规则。吕志芳在《关联规则挖掘在图书借阅数据处理中的应用》文中提出了一种新的挖掘算法MFIA-IU算法，能够节约时间快速挖掘出借阅书籍之间的关联规则。李朝阳在《关联规则与性别分析在图书管理中的应用》文中利用Apriori算法分析了图书与其他属性之间的关联规则，挖掘出了图书借阅周期与图书类别的关系、不同学习成绩的学生与所借图书之间的关系，并将挖掘出的结果用于图书推荐系统。

虽然国内研究非常多，但是很少将数据挖掘流程真正用到图书馆的管理系统当中。另外数据挖掘过程过于限制于现有的挖掘工具，针对图书馆专业领域的挖掘集成工具还是很少。因此基于图书管理系统的数据挖掘工具以及基于图书馆数据的挖掘算法有可能将成为未来的研究热点。

2. 研究的基本内容

1. 分析书店读者的购买历史数据，对数据进行预处理；分析书店系统的业务数据，抽取用于数据挖掘的数据集，并对数据集进行预处理。 2. 研究关联规则挖掘算法，并实现apriori算法以及该算法在图书购买行为分析中的应用；

对关联规则挖掘的理论进行研究，选择apriori算法作为研究对象。实现该算法，对书店读者的购买历史数据进行关联规则的挖掘实验。 3.对求解的关联规则进行解释。

3. 实施方案、进度安排及预期效果

1.实施方案：分析书店读者的购买历史数据，用apriori算法挖掘读者在购买各类图书时潜在的关联规则。

2.进度安排：

2017 年 11 月至 2018 年 1 月。
确定研究方向，整理设计方向和具体实行计划。

							剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
						
4. 参考文献
[1] jiawei han，micheline kamber.数据挖掘：概念与技术[m].北京：机械工业出版社
[2] 梁循.数据挖掘算法与应用[m].北京：北京大学出版社
[3] magaret h.dunham.数据挖掘教程[m].北京：清华大学出版社

							剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付