1、高校圖書(shū)館作為高校的重要組成部分,不僅是高校的文獻(xiàn)信息中心,還是學(xué)生們開(kāi)展第二課堂學(xué)習(xí)的主要場(chǎng)所。圖書(shū)館的自動(dòng)化系統(tǒng)中保存著大量讀者借閱圖書(shū)資源的歷史數(shù)據(jù)，這些數(shù)據(jù)是讀者利用圖書(shū)館館藏文獻(xiàn)滿足自身信息需求的最佳記錄，蘊(yùn)含著豐富的、有用的知識(shí)和信息。利用數(shù)據(jù)挖掘技術(shù)對(duì)這些數(shù)據(jù)進(jìn)行挖掘，找出圖書(shū)資源的使用狀況和不同讀者、圖書(shū)之間隱藏的內(nèi)在聯(lián)系和規(guī)律，可以為合理配置圖書(shū)館的圖書(shū)資源、提高資源的利用率、改進(jìn)圖書(shū)服務(wù)質(zhì)量、開(kāi)展個(gè)性化信息服務(wù)提供數(shù)

2、據(jù)支持和決策參考。
　　本文首先闡述了數(shù)據(jù)挖掘的基本理論知識(shí)，并針對(duì)下文所選用的Apriori算法和K-means算法及SPSS Clementine數(shù)據(jù)挖掘工具進(jìn)行了深入的研究分析。本文的研究數(shù)據(jù)來(lái)自河北農(nóng)業(yè)大學(xué)圖書(shū)館讀者借閱數(shù)據(jù)，并依據(jù)挖掘的需要對(duì)其進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)變換、數(shù)據(jù)歸約、數(shù)據(jù)集成等預(yù)處理。在具體挖掘時(shí)分別從借閱的時(shí)間、讀者、圖書(shū)類別三個(gè)角度入手，找到讀者圖書(shū)借閱的一些特征和規(guī)律。采用K-means算法從圖書(shū)和本專科

3、學(xué)生讀者、研究生讀者、教師讀者四個(gè)維度對(duì)讀者借閱數(shù)據(jù)進(jìn)行了聚類分析，將讀者分為活躍、比較活躍、不太活躍三個(gè)群體，將圖書(shū)分為利用率高、較高、一般、低四類圖書(shū)，找出存在于不同讀者群體之間和不同圖書(shū)之間的讀者信息需求相關(guān)特征和模式。本文還采用Apriori算法對(duì)讀者借閱數(shù)據(jù)進(jìn)行了關(guān)聯(lián)規(guī)則的挖掘，找出圖書(shū)大類之間、讀者單位與圖書(shū)大類之間、不同類型的讀者與圖書(shū)大類之間、圖書(shū)與圖書(shū)之間的關(guān)聯(lián)關(guān)系。最后依據(jù)挖掘的結(jié)果對(duì)圖書(shū)館各項(xiàng)工作提出具體的建議和改