利用群組發掘書籍最適性之推薦

Using Clusters to Find the Most Adaptive Recommendations of Books

10.6120/JoEMLS.200603_43(3).0003.RS.BM

陳垂呈(Chui-Cheng Chen)；黃俊榮(Jun-Rong Huang)

資料探勘 ； 群組 ； 借閱資料 ； 書籍推薦 ； Data mining ； Cluster ； Borrowing history record ； Book recommendation

教育資料與圖書館學

43卷3期（2006 / 03 / 01）

309 - 325

繁體中文

本篇論文藉由讀者之借閱資料為探勘的資料來源，每一筆借閱資料包含有讀者曾借閱過的書籍項目，利用群組(clusters)。從以下兩方面來發掘書籍最適性的推薦：一是以某一讀者為探勘的目標，並設定此一讀者之借閱資料為一群組的中心點，提出一個分群化方法，將與中心點滿足最小借閱相似度的借閱資料，歸屬於同一群組中。根據群組所顯示的借閱傾向特徵，可發掘此一讀者最適性的書籍推薦；二是以某一書籍為探勘的目標，並設定此一書籍為一群組的中心點，提出一個分群化方法，將包含有此一書籍的借閱資料，歸屬於同一群組中。在此一群組中，計算出此一中心點的關聯因子，根據借閱資料與關聯因子間的借閱相似度，可發掘此一書籍做適性借閱的讀者。根據所提出的方法，設計與建置一個發掘書籍最適性的推薦系統。此探勘結果，對圖書館在規畫最適性的書籍推薦服務時，可提供非常有用的參考資訊。

In this paper, we use readers' borrowing history records as the source data of mining. Each borrowing history record contains a reader ever borrowed books, and use clusters to find the most adaptive recommendations of books from two aspects. One is to let one reader as the target of mining and assign his borrowing history record as the center of cluster. Then, we propose a clustering method to let each other borrowing history record is grouped with the center to which it contains the reader's borrowing history record for satisfying the threshold of the minimum borrowing similarity. We can find the most adaptive book recommendations for the reader according to the characteristics of borrowing tendency of the cluster. The other is to let one book as the target of mining and assign it as the center of cluster. Then, we propose a clustering method to let each other borrowing history record is grouped with the center to which it contains the book. We compute the association factors of the center in the cluster, and find the most adaptive readers of borrowing the book according to the borrowing similarity between the association factors and borrowing history records. We design and construct a mining system for fining the most adaptive recommendations of books according to we propose the both methods. The results of the mining can provide very useful information to plan the services of the most adaptive book recommendations for libraries.

1. Alsabti, K.,Ranka, S.,Singh, V.(1998).IPPS/SPDP Workshop on High Performance Data Mining, Orlando.
2. Chen, Ming-Syan,Han, Jiawei,Yu, Philips S.(1996).Data mining: An overview from a database perspective.IEEE Transactions on Knowledge and Data Engineering,8(6)
3. Chen, Y. C.,Chen, A. L. P.,Wu, Y. H.(2001).Eleventh International Workshop on Research Issues in Data Engineering Document Management for Data Intensive Business and Scientific Applications, Germany.
4. Jain, A. K.,Dubes, R. C.(1988).Algorithms for Clustering Data.
5. Kaufman, L.,Rousseeuw, Peter J.(1990).Finding groups in data : an introduction to cluster analysis.
6. Linoff, Gordon S.,Berry, Michael J. A.(2004).Data Mining Techniques: for Marketing , Sale, and Customer Support.John Wiley & Sons, Inc.
7. Ng, R. T.,Han, J.(1994).Proceedings of the 20th International Conference on Very Large Data Bases, Santiago.
8. Ou, J.,Lin, S.,Li, J.(2001).Cooperative Database Systems for Advanced Applications.
9. Weng, S. S.,Liu, M. J.(2001).2004 IEEE International Conference on e-Technology, e-Commerce and e-Service, USA.
10. 卜小蝶(1998)。淺析個人化服務技術的發展超勢對圖書館的影響。國立成功大學圖書館館刊，2
11. 吳安琪(2001)。利用資料探勘的技術及統計的方法增強圖書館的經營與服務。國立交通大學資訊科學研究所。
12. 杜逸寧(2005)。結合叢集法與案例式推論於協同分類─以論文推薦系統為例。國立彰化師範大學資訊管理研究所。
13. 汪軒楷(2003)。策略式資料探勘在個人化推薦上之研究。真理大學管理科學研究所。
14. 邵秀梅(2004)。資料探勘應用於個人化網路學習導覽推薦之研究。銘傳大學資訊管理研究所。
15. 洪志淵(2001)。圖書流通記錄之一般化相關規則找尋之研究。國立中山大學資訊管理研究所。
16. 孫冠華(2003)。應用資料探勘技術於數位圖書館之個人化服務及管理。南華大學資訊管理學研究所。
17. 陳慶瑄(2000)。學習社群對電子圖書館個人化服務之影響。國立中正大學資訊管理研究所。
18. 湯春枝(2002)。從個人化服務行銷的理念談交通大學個人化數位圖書資訊服務（PIE@NCTU）系統。國立成功大學圖書館館刊，9
19. 辜曼蓉(1999)。讀者資訊尋求行為與以讀者為中心的圖書館行銷。20
20. 劉仲原(2002)。個人化網頁推薦系統之研究─以歷史博物館為例。國立雲林科技大學資訊管理研究所。
21. 鄭玉玲(2003)。運用資料探勘技術實作數位圖書館上個人化之檢索與推薦服務─以南華大學圖書館為例。南華大學資訊管理學研究所。