一种基于数据挖掘的图书荐购模型研究

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kmeans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.