基于大数据的图书馆学术资源深度挖掘 与个性化推送服务研究
基于大数据挖掘体系的高校图书馆个性化服务策略探究
基于大数据挖掘体系的高校图书馆个性化服务策略探究随着大数据技术的不断发展和应用，越来越多的领域开始将大数据技术引入到自己的工作中，图书馆也不例外。
图书馆作为高校的重要组成部分，其服务水平和质量直接关系到学校教学科研的效果和学生的学习体验。
如何通过大数据技术来提升图书馆的服务质量，实现个性化服务，成为了当前图书馆管理者和相关研究者共同关注的话题。
一、大数据挖掘体系的理论基础大数据挖掘体系是一种通过分析大规模数据来发现潜在规律、关系和趋势的技术系统。
其核心目标是从海量数据中挖掘出有价值的信息，帮助机构做出更加精准的决策。
在图书馆中，大数据挖掘可以运用在用户行为分析、资源利用率分析、服务满意度调查等方面，从而优化图书馆的服务流程和提高服务质量。
二、高校图书馆的个性化服务需求随着高校学生规模的不断扩大和学科门类的增加，学生们对图书馆的服务需求也愈发多样化和个性化。
有些学生可能更加注重图书馆的自习环境，而有些学生则更加关注图书馆的图书馆藏和借阅服务。
不同学科的学生对图书馆资源的需求也有所不同，如工程类学生更需要专业书籍，而艺术类学生则更需要艺术类书籍。
图书馆需要通过大数据挖掘技术来深入分析用户需求，实现个性化的服务。
（一）用户行为分析通过大数据挖掘技术对用户在图书馆的行为数据进行分析，可以深入了解用户的学科背景、兴趣偏好、借阅习惯等信息。
可以通过数据挖掘技术找出哪些学科的书籍被借阅最多，哪些时间段是用户借书或者自习的高峰期，进而合理调配资源，提高资源利用率。
（二）资源利用率分析图书馆的资源包括纸质图书、电子书籍、学术期刊、数据库等各类资源，如何根据学生的需求来合理分配这些资源，是图书馆管理者需要思考的问题。
通过大数据挖掘技术，可以分析出哪类资源被使用较多，哪些资源受欢迎度下降，从而及时调整资源配置，提高资源利用率。
（三）服务满意度调查图书馆的服务满意度对于提升用户体验和吸引用户非常重要。
通过大数据挖掘技术，可以对用户在图书馆服务过程中的各种行为和反馈数据进行存储和分析，从而发现用户对图书馆服务的不满意之处，并及时采取措施改进。
基于大数据的图书馆服务个性化推荐研究
基于大数据的图书馆服务个性化推荐研究正文：一、前言随着社会的发展，人们的生活和阅读方式发生了很大的变化。
现在，在图书馆借阅图书已经被许多人所熟知。
但是，由于每个人的阅读兴趣和需求各不相同，传统的图书馆服务已经无法满足人们的需求。
因此，图书馆需要推出个性化推荐服务。
随着大数据技术的发展，图书馆可以通过分析借阅数据和用户行为，来推荐适合不同用户的图书，这对于用户的阅读而言是个很好的选择。
二、基于大数据的图书馆服务需要什么样的数据和技术在基于大数据的图书馆服务中，需要哪些数据和技术是一个很重要的问题。
首先，图书馆需要获取用户的信息，包括用户的年龄、性别、学历、工作、阅读习惯等所有相关的信息。
其次，图书馆需要获取图书的相关信息，包括书名、作者、出版社、出版时间、ISBN号、内容简介、阅读人群等等信息。
最后，图书馆需要获取借阅行为和阅读行为的数据，包括用户在图书馆借阅哪些图书、借阅的时间、阅读的时长、用户对图书的评价等等数据。
这些数据数据将成为图书馆个性化推荐服务的基础。
在数据获取的基础上，图书馆需要采用一些技术进行分析和处理。
首先，需要使用数据挖掘算法对数据进行分析，找到其中的规律特征。
比如，可以发现用户对某一类型图书的借阅次数比较多，或者发现用户对某一作者的作品评价总分比较高。
其次，需要采用机器学习算法对数据和规律进行学习和提取，从而实现预测和推荐。
比如，可以分析某一位读者的借阅历史和社交网络信息，为他推荐最有可能符合其需求的图书。
三、基于大数据的图书馆服务的应用场景基于大数据的个性化推荐服务在图书馆的应用场景非常广泛。
以下是几种典型应用场景：1. 基于借阅历史的个性化推荐借阅历史是图书馆推荐系统最重要的数据源，可以描述用户对什么材料有兴趣或不感兴趣。
比如，如果一个读者经常借阅计算机类的书籍，那么图书馆就可以推荐其他相关内容的图书，比如计算机编程、网络安全等。
2. 基于用户行为的推荐用户在图书馆的行为也可以用来为其推荐书籍。
数据挖掘在高校图书馆个性化推荐服务中的应用
数据挖掘在高校图书馆个性化推荐服务中的应用【摘要】本文探讨了数据挖掘在高校图书馆个性化推荐服务中的应用。
通过介绍了研究背景、研究意义和研究目的。
在详细分析了数据挖掘技术在高校图书馆中的应用、个性化推荐系统的原理、具体应用案例以及技术优势。
也探讨了该领域面临的挑战和解决方案。
结论部分指出数据挖掘技术为高校图书馆个性化推荐服务提供了重要支持，展望未来发展方向并做出总结。
通过本文的分析，读者可以了解数据挖掘在高校图书馆个性化推荐服务中的重要性和应用前景，为相关研究和实践提供参考。
【关键词】数据挖掘、高校图书馆、个性化推荐服务、应用、技术、原理、案例、优势、挑战、解决方案、支持、发展方向、总结。
1. 引言1.1 研究背景高校图书馆是学生学习和研究的重要场所，拥有大量的图书馆藏资源。
由于图书馆资源繁杂庞大，学生在查找自己感兴趣的书籍或资料时常常感到困扰。
传统的图书馆检索系统往往只提供基本的检索功能，无法满足用户的个性化需求。
为了解决这一问题，学术界和产业界开始将数据挖掘技术引入到高校图书馆中，以实现个性化推荐服务。
数据挖掘技术可以通过分析用户的借阅记录、浏览行为、兴趣偏好等信息，建立用户画像，从而为用户推荐符合其兴趣和需求的图书或资料。
通过数据挖掘技术，高校图书馆可以实现更加智能化、个性化的服务，提升用户体验，提高图书利用率，促进知识的传播和共享。
在当前信息爆炸的时代，个性化推荐服务已经成为图书馆发展的趋势之一。
研究数据挖掘在高校图书馆个性化推荐服务中的应用具有重要意义，有助于提升高校图书馆的服务水平，满足用户需求，推动图书馆发展。
1.2 研究意义高校图书馆作为学术机构的重要组成部分，其图书资源丰富、种类繁多，但学生在阅读过程中常常面临信息过载、选择困难的问题。
个性化推荐服务的引入为解决这一难题提供了新的途径。
数据挖掘技术作为个性化推荐系统的核心，能够通过分析用户的阅读偏好和行为，为用户提供更加准确、个性化的图书推荐，提高用户对图书馆资源的利用效率和满意度，促进知识的传播与共享。
基于数据挖掘的数字图书馆个性化推荐算法研究的开题报告
基于数据挖掘的数字图书馆个性化推荐算法研究的开题报告一、选题背景随着互联网技术的发展和数字化图书馆的建设，文献信息变得越来越丰富，大大方便了人们的阅读和学习。
但是在面对如此庞大的信息量时，人们如何快速、准确地找到所需信息，成为一个亟待解决的问题。
图书馆的传统服务经常只能通过分类编目等方式来帮助读者查找资料，因此很难提供个性化和高质量的推荐服务，而数字化图书馆正是针对这一问题而建立的。
数字化图书馆除了提供基本的存储、检索和传递服务外，还可以通过数据挖掘技术来挖掘藏书库中的知识、信息、文化价值等，进而帮助读者提供更准确、快捷的推荐服务，提升图书馆的服务质量。
二、研究内容本研究旨在基于数据挖掘的方法研究数字图书馆个性化推荐算法。
具体的研究内容包括以下几个方面：1. 了解数字图书馆建设的背景和现状，以及个性化推荐算法的相关研究现状和应用情况。
2. 分析数字化图书馆中用户和文献的数据特征和属性，并选取适合的数据挖掘技术进行实验研究，包括聚类分析、关联规则挖掘、推荐算法等。
3. 设计并实现数字化图书馆个性化推荐系统，结合用户需求和信息资源特点，采用适合的推荐算法，实现个性化、精准的文献推荐。
4. 对该系统进行测试和评估，检验其推荐效果，并提出优化方案。
三、研究意义本研究旨在基于数据挖掘的方法研究数字图书馆个性化推荐算法，在提高数字图书馆服务质量和满足用户需求方面有一定的实践应用价值。
其具体意义如下：1. 增强了数字图书馆的信息智能处理能力，提高了服务质量。
2. 通过挖掘海量的文献信息，为用户提供个性化的服务，更好地满足其需求。
3. 推动数字化图书馆的建设和发展，促进数字阅读的普及。
四、研究方法本研究采用数据挖掘技术，包括聚类分析、关联规则挖掘、推荐算法等方法，实现数字化图书馆的个性化推荐服务。
其中，聚类分析方法用于分析文献的属性，找出相似文献，为用户提供类似文献推荐；关联规则挖掘方法用于挖掘用户对文献的喜好和习惯，提供更为精准的推荐服务；推荐算法用于结合用户和文献的特点和需求，进行个性化和全面的文献推荐，提高用户的阅读效率。
基于知识挖掘的图书馆个性化推荐服务模式
基于知识挖掘的图书馆个性化推荐服务模式随着信息技术的快速发展，图书馆在数字化和信息化的进程中也逐渐走向了一个全新的阶段。
传统的图书馆已经不仅仅是储存图书和文献资料的场所，它也逐渐成为了一个注重个性化服务的场所。
为了更好地满足读者需求，图书馆开始引入知识挖掘技术，通过挖掘读者的阅读行为和偏好，为读者提供个性化的图书推荐服务。
本文将介绍基于知识挖掘的图书馆个性化推荐服务模式，探讨其在图书馆发展中的意义，以及如何实施这一模式。
一、图书馆个性化推荐服务模式的意义随着信息爆炸时代的到来，读者在选择阅读材料时往往面临着信息过载的问题。
在这个背景下，传统的图书馆服务往往无法满足读者的个性化需求。
而基于知识挖掘的个性化推荐服务模式的出现，为解决这一问题提供了新的思路。
基于知识挖掘的个性化推荐服务模式能够提高图书馆服务的效率。
通过分析读者的阅读行为和偏好，图书馆可以为读者精准推荐符合其兴趣的图书和资料，避免了传统的盲目推荐和信息过载问题。
这一模式可以提升图书馆的服务质量。
个性化推荐服务能够让读者在海量的信息中快速找到自己感兴趣的内容，提高了阅读体验，也提升了图书馆的服务满意度。
基于知识挖掘的个性化推荐服务模式对于图书馆发展具有重要的意义。
它不仅能提高图书馆服务的效率和质量，更能够增强图书馆与读者之间的互动和联系，为图书馆的可持续发展提供了新的动力。
要实施基于知识挖掘的个性化推荐服务模式，首先需要建立起一个完善的知识挖掘系统。
该系统需要能够根据读者的历史阅读记录、检索行为、个人偏好等信息，为读者提供个性化的图书推荐服务。
在系统的建设过程中，需要引入一些先进的数据挖掘和机器学习算法，以提高推荐系统的效果和准确性。
图书馆需要建立一个完善的读者数据管理系统。
这个系统需要能够准确地记录读者的阅读行为和偏好，为知识挖掘系统提供充足的数据支持。
图书馆还需要建立一套完善的数据保护和隐私保护机制，以保障读者个人信息的安全。
图书馆需要加强对推荐系统的监控和评估。
基于数据挖掘技术的数字图书馆个性化服务发展研究
SCIENCE &TECHNOLOGY INFORMATION科技资讯基于数据挖掘技术的数字图书馆个性化服务发展研究陈佩欣(广东工业大学图书馆广东广州510006)摘要：随着互联网技术的不断发展，数据爆炸性的整体发展紧随其后。
人们每天都在处理各式各样的数字化信息，如何在众多的信息中快速得到人们所需要的信息尤为重要。
数字图书馆作为人们获取信息的重要渠道之一，在帮助用户找到所需要信息方面不断进行探索，应用各种信息挖掘技术方法，实现数字资源的个性化建设，是新时期数字图书馆发展的必然服务趋势。
该文将从数字图书馆和数字图书馆的个性化服务发展的现状展开研究，主要研究了数据挖掘的相关技术、数据探索技术在数字图书馆的发展、促进图书馆的互联网技术的应用服务提供方面发现的问题，并在此基础上提出了解决对策。
关键词：数据挖掘数字图书馆个性化服务建设中图分类号：G25文献标识码：A文章编号：1672-3791(2021)12(c)-0149-03Research on the Development of Personalized Service of DigitalLibrary Based on Data Mining TechnologyCHEN Peixin(Guangdong University of Technology Library,Guangzhou,Guangdong Province,510006China)Abstract:With the development of IT,digital information developed explosively.People are dealing with all kinds of digital information every day.How to quickly get the information people need from a large number of informa‐tion is particularly important.As one of the important channels for people to obtain information,digital library continues to explore in helping users find the information they need,and applies various information mining tech‐nologies and methods to realize the personalized construction of digital resources,which is the inevitable service trend of the development of digital library in the new era.This paper will study the current situation of the devel‐opment of digital library and personalized service of digital library,mainly studies the problems found in the devel‐opment of digital library and promoting the application of Internet technology and service provision of library by data mining technology and data exploration technology,and puts forward the countermeasures on this basis.Key Words:Data mining;Digital library;Personalization;Service construction在信息技术的飞速发展下，一方面大量的信息内容给现代人的生活带来了便利，另一方面数量巨大且冗杂的信息也为人们带来了搜寻上的不便。
基于大数据挖掘体系的高校图书馆个性化服务策略探究
基于大数据挖掘体系的高校图书馆个性化服务策略探究【摘要】本篇文章探讨了基于大数据挖掘体系的高校图书馆个性化服务策略。
在介绍了研究背景和研究意义。
在分析了大数据在高校图书馆个性化服务中的应用，探讨了基于大数据挖掘的个性化服务策略，阐述了数据采集和分析方法，讨论了个性化推荐系统设计以及用户画像构建。
在结论部分总结了高校图书馆个性化服务的优势，探讨了未来发展方向。
通过本文的研究，可以为高校图书馆提供更精准的个性化服务，提升用户体验，满足用户需求，推动图书馆的数字化转型和发展。
【关键词】大数据挖掘、高校图书馆、个性化服务、数据采集、个性化推荐系统、用户画像、优势、未来发展、高校图书馆、总结1. 引言1.1 研究背景高校图书馆作为学术资源的重要场所，一直扮演着知识传播和文化传承的重要角色。
随着信息化时代的到来，传统的图书馆服务模式已经无法满足用户个性化需求。
为了更好地适应用户需求，提升服务质量，高校图书馆开始探索利用大数据技术进行个性化服务策略的研究和实践。
研究背景部分主要探讨当前高校图书馆面临的挑战和问题，传统服务模式存在的局限性以及如何借助大数据技术提升服务水平。
随着高校教育信息化建设的不断发展，学术资源日益庞大丰富，用户需求也变得更加多样化和个性化。
传统的通用性服务模式已经不能满足用户个性化需求，如何利用大数据技术进行个性化服务策略的研究成为当前亟待解决的问题。
通过对高校图书馆个性化服务的研究，不仅可以提升用户体验和满意度，还可以更好地发挥图书馆的功能和作用，为用户提供更加精准和有效的服务。
研究高校图书馆个性化服务策略是一项富有挑战性和重要意义的研究课题。
的内容，为我们深入探讨基于大数据挖掘体系的高校图书馆个性化服务策略提供了重要的依据和扎实的理论基础。
1.2 研究意义高校图书馆是学校内不可或缺的重要组成部分，为师生提供了丰富的学术资源和知识服务。
随着信息化和数字化的快速发展，高校图书馆也逐渐意识到个性化服务的重要性。
基于知识挖掘的图书馆个性化推荐服务模式
基于知识挖掘的图书馆个性化推荐服务模式【摘要】本文主要探讨基于知识挖掘的图书馆个性化推荐服务模式，在引言中介绍了研究背景和研究意义。
正文部分分别从概述了基于知识挖掘的图书馆个性化推荐服务模式、知识挖掘技术在图书馆个性化推荐中的应用、用户画像构建与推荐算法、推荐结果展示与评估以及实际应用案例分析等角度展开讨论。
最后在结论部分进行总结与展望，指出基于知识挖掘的图书馆个性化推荐服务模式的未来发展方向。
通过本文的研究，可以有效提高图书馆服务的个性化水平，提升用户体验，促进图书馆事业的发展。
【关键词】知识挖掘、图书馆、个性化推荐、服务模式、用户画像、推荐算法、应用案例分析、评估、未来发展方向1. 引言1.1 研究背景现代社会信息爆炸，图书馆作为知识资源的重要存储和传播机构，如何更好地为读者提供个性化服务已成为图书馆发展的迫切需求。
传统的图书馆借阅服务往往局限于读者自行搜索图书目录或借阅排行榜单，无法充分满足读者个性化需求。
利用知识挖掘技术对图书馆数据进行分析，实现个性化推荐服务已成为当前图书馆发展的重要方向。
随着知识挖掘技术的快速发展，图书馆可以通过分析读者的阅读习惯、兴趣爱好和借阅记录等数据，构建用户画像并应用推荐算法，为读者提供更加精准的推荐服务。
通过个性化推荐，图书馆可以有效提高读者的阅读体验，增加他们的借阅频次和阅读深度，促进图书馆资源的更好利用。
在这样的背景下，研究基于知识挖掘的图书馆个性化推荐服务模式具有重要意义，不仅可以推动图书馆的数字化转型，提高服务质量，更有利于满足读者多样化的知识需求。
探讨如何将知识挖掘技术应用于图书馆个性化推荐服务，成为当前研究的热点之一。
1.2 研究意义图书馆作为知识传播和学术研究的重要场所，一直以来都承担着为读者提供信息资源的重要使命。
随着信息量的急剧增加和读者需求的多样化，传统的图书馆服务模式已经无法满足用户个性化需求的需求。
基于知识挖掘的图书馆个性化推荐服务模式应运而生。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于大数据的图书馆学术资源深度挖掘与个性化推送服务研究
作者：周红磊王扣潘婉秋盖琳张立娜
来源：《现代交际》2017年第12期
摘要：在大数据迅速发展的浪潮下，用户对图书馆智能化要求愈加明显，本文通过对学术资源的深度挖掘和个性化推送服务的深入研究，探讨了如何将数据挖掘技术应用到图书馆个性化推送服务中，希望为读者提供更高质量的信息服务。
关键词：大数据高校图书馆深度挖掘个性化推送服务
中图分类号：G2507文献标识码：A文章编号：1009-5349（2017）12-0095-02
当前，高校图书馆在提升智能化服务程度的基础上，逐渐加强了针对知识信息的传播、挖掘服务功能，就目前文献主题搜索情况来看，高校图书馆还存在着一些不足，它没有主动挖掘师生的需求，缺乏针对用户的需求信息的深度推荐以及没有全面考虑用户的个性化需求。
因此，图书馆未来的重点研究方向应为如何进行个性化的推送服务，并将其与数据挖掘技术紧密联系起来，使其在帮助师生快速找到自己所需的知识和信息的同时，还能够提高学生的学习效率。
一、大数据时代图书馆信息资源深度挖掘关键技术
（一）基于 Hadoop 的分布式数据挖掘技术
Hadoop 主要是由编程模型MapReduce和分布式文件系统 HDFS两个核心部分组成，分布式文件系统HDFS为大规模数据集上的应用提供可靠的分布式文件访问。
HDFS 与 MapReduce 紧密配合，构成了Hadoop 的基础，使它能够将程序分割成多个独立的单元，并分发到不同的节点，通过各个节点的计算能力完成整个程序的运作。
[1]
（二）向量空间模型
在信息服务中计算资源相似度时使用了向量空间模型。
该模型是60年代末Salton等人最先提出的，是计算两个文档相似度较为经典的模型，文档在该模型中被表示为向量，因此，文档相似度的计算问题也就可以转变成为欧式空间中向量的计算问题。
向量空间模型是应用于信息过滤，信息撷取，索引以及评估相关性的代数模型，主要的计算思想是对所有的信息内容先采用分词处理，然后把信息资源细分为独立的词语组合。
（三）聚类分析
聚类分析就是从一个聚类变量中提取N种特征，并将这N种特征存放到一个N维向量之中，利用得到的N维向量空间与其他聚类向量做相似性对比，逐渐形成按照某种规则进行分类的方式，使得在同一规则下的一组聚类变量成为同类，同类之间的特征最为相近，不同类之间的特征相距较远。
聚类算法常应用于高校图书馆分析读者行为特征的模块，在对读者访问的同一类期刊资源数据时，往往需要用聚类的方法进行相似性聚合。
（四）关联规则算法
关联规则是通过发现事物之间的关联关系，实现从一件事情的发生来预测另一件事件的发生，从而能够更好地了解和掌握事物发展的规律等。
算法通过对所提供的数据进行多次扫描，根据所指定的支持度而产生频繁项集，之后根据指定的置信度来产生关联规则集。
图书馆建设已经开始进入资源整合与面向用户的数字化服务阶段，通过关联规则挖掘能够进行更高层次的分析，以便更好地为读者服务。
二、大数据时代图书馆个性化推送服务
对高校图书馆而言，数字资源的积累经历了传统的数字化到原生数字资源的发展过程[2]，在这一过程中，大部分学生仅是利用搜索工具查找目的书籍的位置所在，学生在阅读各类文献书籍没有过多经验，其浏览文献质量好坏的评定就是如何运用关键字和相关数据处理技术从大量的差异化的数据中，既省时省力又可以精确地获得自己想要的高质量文献书籍。
（一）建立用户个性化分析模型
根据学生的信息搜索以及借书记录，对其个性化服务需求进行进一步剖析，利用先进的数据挖掘和分析处理技术深度挖掘大量丰富的网上资源，充分采集用户需要的信息，在用户登录图书馆网站上及时推送出相关高质量书籍，提高用户所需书籍的获取效率。
（二）为图书馆规划提供数据支持
为用户提供满意、高效的阅读体验，始终是高校图书馆的服务理念。
但高校图书馆可能存在人员分配不足、数据调研不全面等相关问题，不能及时了解到多数学生所关注的书籍，以至于达到一个书籍资源丰富仍旧不能满足用户的阅读需求。
建立高校个性化推送服务，通过分析用户借阅书籍数据，可以判断学生阅读文献书籍的总体趋势，为图书馆挖掘出大部分用户所关注的书籍、近期的热门书籍，从而对图书馆馆藏书籍进行有效判断和书籍的及时更新，并合理采购各式文献书籍和热门网络文献，能够提高读者对图书馆馆藏资源的利用率。
（三）建立专业文献数据库
同一专业，研究课题相似的用户有着共同的专业文献需求，因此高校图书馆可以为不同专业的学生提供更为细化的个性化推送服务。
我们可以建立关于不同专业的文献存储数据库，专
业教师均可登录校内网上图书馆，在各自专业的数据库目录内容下构建专业化的、课题化的阅读内容，为用户推荐与其所学专业相关的、实用度更高的专业书籍。
三、数据深度挖掘在图书馆个性化推送服务中的应用
（一）在读者个性化推送内容上的应用
为使这种服务变得更加便利与快速，可以利用深度挖掘技术收集读者的相关信息，并对这些大数据进行深度挖掘，分析读者的喜好以及需求，利用关联规则等算法将这一庞大数据分解成不同的小数据，进而运用聚类分析等算法分析读者所需要的信息，建立完善的读者专属的数据库，并在此过滤掉无用的信息，使得信息的利用率达到最大，从而为读者推送所需要、具有针对性的信息，为读者在图书馆这一庞大的数据库中寻找所需信息提供了便利。
（二）图书馆学术资源信息化的应用
随着大数据时代的发展，对信息化的需求也越来越高，而图书馆不仅仅有馆藏资源，还有丰富的网络资源，为使数据庞大的图书馆信息获取变得快速、准确，这就需要利用深度挖掘中的向量空间模型与聚类分析等算法对图书馆中的数据进行整合，为读者用户提供快速精确的检索服务，并根据读者用户的检索与借阅记录等，通过关联分析，为用户推送所期望的信息与服务，使得图书馆学术资源的信息化变得更加丰富完善。
（三）个性化服务质量与多元化发展的应用
在满足读者用户需求的同时，也使得图书馆的学术资源得以改进与完善，但在收集读者信息的同时，有许多无用的噪声信息，需要将这些噪声信息排除在每个用户信息的数据库之外，这就需要利用数据的深度挖掘技术，将大数据中的数据进行分析，处理掉噪声数据。
在数据收集过程中，每个用户所需的内容也不同，这就需要将这些大数
据整合处理为具有针对性的小数据库。
正是这些小数据库为每个用户进行个性化的推送服务，并且这些小数据库的容量有限，可以更好地保护读者用户的隐私信息。
其次，利用深度挖掘的关联规则等算法分析整合读者用户对推送内容的反馈，及时更新数据库，为读者提供更贴心的服务，并不断丰富数字图书馆的资源，使其向多元化发展。
四、结语
通过研究我们发现，在大数据时代下，图书馆仍然存在着用户个性化信息需求与大量信息资源之间信息不对称的矛盾，即用户个性化阅读服务质量需求高，而数据深度挖掘和发现用户需求方面研究少等问题。
所以图书馆必须及时转变服务角色与技术，在依托数据挖掘平台的支持，根据深度数据挖掘的关键技术，建立用户个性化分析模型，为图书馆提供数据支持，建立专业文献数据库等方式来最大限度地提高用户满意度和图书馆服务性能。
高校图书馆应以数据
挖掘技术为工具，用户个性化需求和服务为核心，实现具有特色化、智能化、多元化、主动化的新型图书馆，为广大读者用户带来更高效、更便利、更精确的服务。
参考文献：
[1]李浩.基于Hadoop的分布式数据挖掘关键技术研究[D].电子科技大学，2015.
[2]蔡新红.大数据时代图书馆信息资源个性化服务模式研究[J].科技创新导报，2014（17）：195-196.
责任编辑：杨国栋。