唐秋鴻， 曹紅兵， 唐小新， 李高虎， 高 嵩

（1.暨南大學(xué) 管理學(xué)院，廣東 廣州 510632；2.廣西大學(xué) 圖書館，廣西 南寧 530004；3.北京郵電大學(xué) 資產(chǎn)經(jīng)營(yíng)公司，北京 100876）

0 引言

個(gè)性化服務(wù)的實(shí)質(zhì)是一種以用戶需求為中心的服務(wù)［1］，它不僅可以有效地解決用戶“信息過(guò)載”與“信息迷航”問(wèn)題，而且可以極大地提高圖書館的服務(wù)質(zhì)量和資源的有效利用，因此成為當(dāng)前圖書館新型服務(wù)模式的主流，而個(gè)性化服務(wù)系統(tǒng)則成為圖書館數(shù)字化、網(wǎng)絡(luò)化服務(wù)的必然選擇。

目前，國(guó)內(nèi)外圖書館個(gè)性化服務(wù)系統(tǒng)正在起步，較具代表性的圖書館個(gè)性化服務(wù)系統(tǒng)有美國(guó)康奈爾大學(xué)圖書館的 Mylibrary＠Cornell、北卡羅萊那州立大學(xué)圖書館的Mylibrary＠Ncstate、洛杉磯國(guó)際研究實(shí)驗(yàn)室圖書館的Mylibray＠LANL、浙江大學(xué)圖書館的MyLibrary、深圳圖書館的ILAS“我的圖書館”、中國(guó)國(guó)家圖書館的“我的圖書館”、中國(guó)人民大學(xué)圖書館的Kingbase DL和華中科技大學(xué)圖書館的Mylibrary＠HUST等。這些系統(tǒng)的功能主要包括對(duì)資源的鏈接、定制、檢索、最新資源通告以及文獻(xiàn)傳遞等［2－4］。而基于Web日志挖掘技術(shù)的個(gè)性化服務(wù)系統(tǒng)的研究也開(kāi)始出現(xiàn)。文獻(xiàn)［5］提出應(yīng)用Web日志挖掘技術(shù)可以幫助提高個(gè)性化推薦系統(tǒng)的可伸縮性、精確性和靈活性。文獻(xiàn)［6］提出了一個(gè)兩步Apriori改進(jìn)算法，可對(duì)用戶的 Web訪問(wèn)進(jìn)行貼身指導(dǎo)。文獻(xiàn)［7］提出了一個(gè)智能算法，能從Web訪問(wèn)日志中自動(dòng)挖掘用戶的訪問(wèn)軌跡。文獻(xiàn)［8］提出了一個(gè)基于用戶訪問(wèn)時(shí)間和訪問(wèn)密度的用戶偏好算法，可以更精確地發(fā)現(xiàn)用戶偏好。文獻(xiàn)［9］采用OLAP技術(shù)和數(shù)據(jù)挖掘技術(shù)對(duì)用戶的訪問(wèn)模式和趨勢(shì)進(jìn)行了挖掘，從而提高了Web系統(tǒng)的性能。文獻(xiàn)［10］給出了一種基于項(xiàng)目與客戶聚類的協(xié)同過(guò)濾推薦方法，增強(qiáng)了推薦算法的實(shí)時(shí)性，提高了推薦服務(wù)的質(zhì)量。

但是，現(xiàn)有的圖書館個(gè)性化服務(wù)系統(tǒng)功能明顯不能滿足用戶需求，而當(dāng)前大多數(shù) Web日志挖掘方面的研究缺乏對(duì)圖書館個(gè)性化系統(tǒng)的支持，或者只關(guān)注于算法、性能等技術(shù)層面，對(duì)圖書館用戶個(gè)性化模型的深度挖掘不足，從而導(dǎo)致圖書館個(gè)性化系統(tǒng)的個(gè)性化服務(wù)水平低，個(gè)性化應(yīng)用效果不夠明顯。

本文通過(guò)運(yùn)用Web日志挖掘技術(shù)對(duì)用戶在圖書館OPAC環(huán)境下的信息使用行為、習(xí)慣進(jìn)行深度挖掘，構(gòu)建一種動(dòng)態(tài)的讀者信譽(yù)度評(píng)估機(jī)制，用以科學(xué)地劃分圖書館用戶群體，設(shè)計(jì)能提供滿足其個(gè)性特征和需求的個(gè)性化服務(wù)功能及其組合，以便為進(jìn)一步開(kāi)發(fā)與應(yīng)用圖書館個(gè)性化服務(wù)系統(tǒng)提供技術(shù)基礎(chǔ)。

1 系統(tǒng)結(jié)構(gòu)與評(píng)估模型

1.1 圖書館個(gè)性化服務(wù)系統(tǒng)結(jié)構(gòu)

在分析總結(jié)當(dāng)前常見(jiàn)的圖書館個(gè)性化服務(wù)方式與類型的基礎(chǔ)上，本文提出了一個(gè)兼顧虛擬與物理世界信息服務(wù)的圖書館個(gè)性化服務(wù)系統(tǒng)結(jié)構(gòu)模型，如圖1所示，以期為圖書館用戶提供一個(gè)全方位、多角度、立體化、智能化及人性化的個(gè)性化信息服務(wù)。

圖1 圖書館個(gè)性化服務(wù)系統(tǒng)結(jié)構(gòu)

所構(gòu)建的圖書館個(gè)性化服務(wù)系統(tǒng)由虛擬個(gè)性化服務(wù)和物理個(gè)性化服務(wù)2大部分組成。前者主要指以圖書館和網(wǎng)絡(luò)虛擬資源為基礎(chǔ)，利用網(wǎng)絡(luò)為不同的用戶提供基于圖書館虛擬環(huán)境的個(gè)性化服務(wù)，它又包括個(gè)性化定制服務(wù)、個(gè)性化推送服務(wù)、個(gè)性化檢索服務(wù)、個(gè)性化收藏服務(wù)、個(gè)性化信息聚合服務(wù)、個(gè)性化知識(shí)管理服務(wù)、個(gè)人歷史信息管理服務(wù)和個(gè)人賬戶管理服務(wù)。后者主要指以圖書館實(shí)體資源為基礎(chǔ)，為用戶提供基于圖書館物理環(huán)境的個(gè)性化服務(wù)，它又包括6個(gè)組成部分，即一卡通管理服務(wù)、智能識(shí)別服務(wù)、智能定位服務(wù)、智能導(dǎo)讀服務(wù)、自助服務(wù)和電話服務(wù)。虛擬個(gè)性化服務(wù)和物理個(gè)性化服務(wù)兩者相互結(jié)合，互為補(bǔ)充，并通過(guò)RFID電子標(biāo)簽進(jìn)行信息交流，共同為用戶打造一個(gè)全面、立體、融合物理與虛擬世界的個(gè)性化服務(wù)空間［11］。

1.2 圖書館讀者信譽(yù)度評(píng)估模型

圖書館讀者信譽(yù)度是指讀者在使用圖書館資源與服務(wù)的過(guò)程中，對(duì)圖書館資源與服務(wù)的利用情況及其對(duì)圖書館各項(xiàng)規(guī)章制度的遵守程度并因此影響其第2次使用的各種因素的總和。因此，讀者入館情況、讀者對(duì)圖書館文獻(xiàn)資料的借閱、查詢、瀏覽、下載及對(duì)所借文獻(xiàn)資料按時(shí)歸還的情況、對(duì)圖書館文獻(xiàn)資料完整性的保護(hù)程度，以及對(duì)圖書館公共服務(wù)設(shè)施的使用情況等，都應(yīng)當(dāng)納入圖書館讀者信譽(yù)度評(píng)估體系之中，如圖2所示，以形成系統(tǒng)的讀者信譽(yù)監(jiān)督機(jī)制，并用以更好地劃分圖書館用戶群體，從而支持圖書館的個(gè)性化服務(wù)，提升圖書館的服務(wù)效率和水平，進(jìn)而提高讀者的滿意度。

圖2 圖書館讀者信譽(yù)度評(píng)估模型

隨著圖書館文獻(xiàn)信息服務(wù)手段的不斷進(jìn)步，日益暴露出圖書館讀者信譽(yù)評(píng)價(jià)研究上的缺失，即決策手段不足、缺乏數(shù)據(jù)支持、服務(wù)方式單一、應(yīng)用領(lǐng)域狹窄等。因此，基于圖書館流通業(yè)務(wù)系統(tǒng)中讀者借閱、罰款等日志記錄，即利用讀者對(duì)圖書館文獻(xiàn)資料的借、還、約和滯還、丟失、損壞、賠償?shù)热罩居涗洠ㄟ^(guò)數(shù)據(jù)挖掘方式，構(gòu)建形成一種動(dòng)態(tài)的讀者信譽(yù)度評(píng)估機(jī)制，并用以科學(xué)劃分讀者群，從而為圖書館個(gè)性化服務(wù)系統(tǒng)的功能設(shè)計(jì)和開(kāi)發(fā)提供依據(jù)和決策支持。

2 圖書館讀者信譽(yù)度的數(shù)據(jù)挖掘

2.1 數(shù)據(jù)挖掘處理邏輯

讀者信譽(yù)度的數(shù)據(jù)挖掘主要是指運(yùn)用Web日志挖掘技術(shù)，對(duì)圖書館流通業(yè)務(wù)系統(tǒng)中一定周期內(nèi)讀者的借閱、歸還、罰款等日志記錄進(jìn)行挖掘，并通過(guò)使用聚類分析、異常檢測(cè)分析等方法來(lái)分析處理挖掘結(jié)果，最終形成一種動(dòng)態(tài)的讀者信譽(yù)度評(píng)估機(jī)制的過(guò)程。讀者信譽(yù)度的數(shù)據(jù)挖掘的主要思想和方法是：從大量的流通日志歷史記錄（D）中，匯總所有讀者某一時(shí)間段（T）內(nèi)借、還、約文獻(xiàn)資料的總次數(shù)（F）和因滯還、丟失、損壞文獻(xiàn)資料而被罰款的總金額（P），再利用數(shù)據(jù)挖掘聚類分析方法對(duì)這三者之間的關(guān)系進(jìn)行分析，以形成一個(gè)動(dòng)態(tài)的讀者信譽(yù)度評(píng)估體系，用以科學(xué)地劃分讀者群，從而指導(dǎo)圖書館個(gè)性化服務(wù)系統(tǒng)的功能設(shè)計(jì)和開(kāi)發(fā)。具體挖掘流程如圖3所示。

圖3 讀者信譽(yù)度的數(shù)據(jù)挖掘流程

讀者信譽(yù)度的數(shù)據(jù)挖掘流程主要包括：

（1）對(duì)圖書館流通業(yè)務(wù)系統(tǒng) MELINETSⅡ數(shù)據(jù)庫(kù)中的2個(gè)日志表CIRCULLOG＿A和CHARGE＿LOG＿A進(jìn)行分析。其中，CIRCULLOG＿A是記錄讀者借、還、約文獻(xiàn)資料等借閱行為的流通日志表；CHARGE＿LOG＿A是記錄讀者因滯還、丟失、損壞文獻(xiàn)資料而被罰款等信息的罰款日志表。通過(guò)對(duì)上述2個(gè)日志表中的數(shù)據(jù)進(jìn)行分析，再根據(jù)數(shù)據(jù)字典中各字段表示的含義進(jìn)行數(shù)據(jù)清理和數(shù)據(jù)選擇，為下一步數(shù)據(jù)倉(cāng)庫(kù)的建立準(zhǔn)備所需的數(shù)據(jù)。

（2）在Oracle Database 10g R2數(shù)據(jù)庫(kù)環(huán)境中，建立數(shù)據(jù)倉(cāng)庫(kù)方案 Analysis Data Warehouse，并在該方案下創(chuàng)建數(shù)據(jù)挖掘表CIRCULANALYSIS。

（3）選擇ODM（Oracle Data Mining）數(shù)據(jù)挖掘工具進(jìn)行挖掘，再利用聚類分析（Cluster Analysis）和異常檢測(cè)分析 （Anomaly Detection）方法分析處理挖掘結(jié)果，形成初步的讀者信譽(yù)度評(píng)價(jià)體系。

（4）利用圖書館流通、采訪等業(yè)務(wù)部門抽樣調(diào)查與用戶個(gè)人信息相結(jié)合的方式對(duì)以上所形成的讀者信譽(yù)度評(píng)價(jià)體系進(jìn)行評(píng)估，并將評(píng)估后的讀者信譽(yù)度評(píng)價(jià)體系應(yīng)用于圖書館用戶群體的劃分，從而為開(kāi)發(fā)與利用圖書館個(gè)性化服務(wù)系統(tǒng)奠定技術(shù)基礎(chǔ)。

2.2 挖掘算法的選擇與應(yīng)用

數(shù)據(jù)挖掘算法繁多，僅在聚類分析方面，就有Beefman聚類法、神經(jīng)網(wǎng)絡(luò)聚類法、模糊聚類法、加權(quán)聚 類 法 等［4，12－13］。因 此，在 建 立 用 戶 個(gè)性化服務(wù)模型的過(guò)程中，必須根據(jù)不同的挖掘任務(wù)需求，研究選用適宜的數(shù)據(jù)挖掘算法，以便實(shí)現(xiàn)最佳的數(shù)據(jù)挖掘效果。本文主要通過(guò)使用聚類分析方法，對(duì)從圖書館流通業(yè)務(wù)系統(tǒng)中大量的Web流通日志記錄挖掘得到的結(jié)果進(jìn)行分析，來(lái)形成一種動(dòng)態(tài)的讀者信譽(yù)度評(píng)估機(jī)制。所謂聚類分析方法，是指根據(jù)數(shù)據(jù)對(duì)象間相似性條件的滿足與否進(jìn)行數(shù)據(jù)劃分，并把物理或抽象對(duì)象的集合組成由類似對(duì)象組成的多個(gè)類或簇的一種數(shù)據(jù)分析方法。聚類分析所劃分的類或簇的數(shù)量與類型均是事先未知的、非預(yù)定的。由聚類生成的簇是一組數(shù)據(jù)對(duì)象的集合。同一簇中的對(duì)象盡可能相似［14］，使得組間的差別盡可能大，組內(nèi)的差別盡可能小。簇與簇之間可以按照給定的聚類參數(shù)（如距離等）進(jìn)行分解和合并。因此，可以將聚類分析方法應(yīng)用于圖書館讀者群體的聚集和劃分，以及讀者集群特性的分析等。

聚類分析的算法主要有k－中心點(diǎn)算法和k－平均算法（即k－means算法）2種。在k－中心點(diǎn)算法中，每個(gè)簇用接近聚類中心的一個(gè)對(duì)象來(lái)表示；而在k－means算法中，每個(gè)簇用該簇中對(duì)象的平均值來(lái)表示。本文采用k－means算法來(lái)對(duì)讀者信譽(yù)度挖掘結(jié)果進(jìn)行分析。

在k－means聚類分析算法中，假定Ni為第iP聚類ci中的樣本數(shù)目，mi是樣本的均值。若分成k類，則各聚類的均值表示為：

誤差平方和為：

其中，E為觀測(cè)數(shù)據(jù)中所有對(duì)象平方誤差綜合；P為空間中的點(diǎn)；mi為聚類ci中的平均值（P和mi是多維的）。對(duì)于不同的分類，k值不同，則E值就不相同，使E達(dá)到最小的分類數(shù)k被認(rèn)為是當(dāng)前的目標(biāo)數(shù)［15－16］。

2.3 挖掘結(jié)果與分析

本文通過(guò)在Oracle Database 10g R2數(shù)據(jù)庫(kù)環(huán)境中創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)，利用ODM數(shù)據(jù)挖掘工具，對(duì)廣西某高校圖書館MELINETSⅡ系統(tǒng)中2010年的173.45×104條流通日志記錄和20.5×104條罰款日志記錄進(jìn)行了挖掘，并采用聚類分析和異常檢測(cè)分析算法，對(duì)讀者行為進(jìn)行了聚類分析，獲得的聚類分析結(jié)果見(jiàn)表1所列。

依據(jù)表1中的挖掘結(jié)果，建立了一種基于MELINETSⅡ平臺(tái)的動(dòng)態(tài)的圖書館讀者信譽(yù)度評(píng)估機(jī)制：全部讀者按照其一定時(shí)間內(nèi)（如以半年或一年為單位統(tǒng)計(jì)）借還總次數(shù)和罰款金額數(shù)的情況劃分信譽(yù)等級(jí)，一共劃分成5個(gè)等級(jí)，以信譽(yù)星級(jí)來(lái)標(biāo)識(shí)。按信譽(yù)度從高到低，依次可分為五星級(jí)、四星級(jí)、三星級(jí)、二星級(jí)和一星級(jí)。

例如，可將1年內(nèi)借還總次數(shù)少于20次，罰款金額低于5.73元（見(jiàn)表1聚類3）的讀者劃分為二星級(jí)讀者；而將1年內(nèi)借還總次數(shù)少于58次，罰款金額高達(dá)57.33元（見(jiàn)表1聚類9）的讀者劃分為一星級(jí)讀者。星級(jí)越低，說(shuō)明讀者在該時(shí)間段內(nèi)的信譽(yù)度越低，且使用圖書館資源與服務(wù)的頻率越低。

表1 讀者行為聚類分析結(jié)果

3 模型應(yīng)用

將讀者按照上述信譽(yù)星級(jí)劃分為不同的用戶群體后，通過(guò)深入分析不同群體的信息使用行為和特點(diǎn)，建立相應(yīng)時(shí)間段內(nèi)的動(dòng)態(tài)的用戶需求模型；根據(jù)用戶需求模型，圖書館可以提供能滿足不同信譽(yù)星級(jí)讀者群體需求及特點(diǎn)的個(gè)性化服務(wù)功能或其組合，如圖4所示。

圖4 基于讀者信譽(yù)度評(píng)估模型的圖書館個(gè)性化服務(wù)功能

通過(guò)分析發(fā)現(xiàn)，四星或五星級(jí)讀者信譽(yù)度較高，熟悉并遵守圖書館的各項(xiàng)規(guī)章制度，熟悉并經(jīng)常使用圖書館提供的各種資源與服務(wù)，是圖書館主要依靠和重點(diǎn)保障的VIP讀者。對(duì)于這部分讀者，圖書館要竭盡全力、充分利用各種現(xiàn)代化信息技術(shù)和手段，為他們提供所需要的資源與服務(wù)，以最大限度地滿足其個(gè)性化服務(wù)需求。為此，圖書館可通過(guò)增加這部分讀者的館藏文獻(xiàn)借閱冊(cè)數(shù)和借閱期限，并為其提供更多、更靈活的個(gè)性化定制、推送、收藏、檢索，以及個(gè)人知識(shí)管理和個(gè)人信息管理（如Email定制、手機(jī)短信定制、手機(jī)短信推送、手機(jī)短信查詢、移動(dòng)閱讀、移動(dòng)數(shù)據(jù)庫(kù)檢索、移動(dòng)數(shù)字化多媒體館藏借閱、移動(dòng)音頻導(dǎo)航服務(wù)、自助服務(wù)，以及SNS、博客、播客、評(píng)論、標(biāo)簽等Lib2.0功能等）服務(wù)功能，實(shí)現(xiàn)其個(gè)性化服務(wù)目標(biāo)。

而一、二星級(jí)讀者信譽(yù)度較差，不太熟悉圖書館的各項(xiàng)規(guī)章制度和所提供的各種資源與服務(wù)，且較少使用圖書館的資源與服務(wù)，是圖書館要努力爭(zhēng)取和培養(yǎng)的惰性讀者和潛在VIP讀者。對(duì)于這部分讀者，圖書館要想方設(shè)法促使其更多地利用圖書館的資源與服務(wù)，并自覺(jué)遵守圖書館的各項(xiàng)規(guī)章制度。為此，圖書館可采取在一定時(shí)間內(nèi)減少其館藏文獻(xiàn)借閱冊(cè)數(shù)和借閱期限，并加強(qiáng)圖書超期提醒、個(gè)人借閱信息推送和新生培訓(xùn)、“怎樣利用圖書館”和數(shù)據(jù)庫(kù)專題講座等各種培訓(xùn)信息的推送以及多種形式的多媒體培訓(xùn)課件、培訓(xùn)視頻文件、在線實(shí)時(shí)培訓(xùn)等培訓(xùn)服務(wù)，以及FAQ、Email咨詢、手機(jī)短信咨詢、在線實(shí)時(shí)咨詢等各種咨詢服務(wù)和新書通報(bào)、好書推薦、專題導(dǎo)航、學(xué)科導(dǎo)航、課程導(dǎo)航等各種資源推薦和導(dǎo)航服務(wù)來(lái)實(shí)現(xiàn)其服務(wù)目標(biāo)。

4 結(jié)束語(yǔ)

讀者信譽(yù)度評(píng)估體系維系著讀者對(duì)圖書館的信譽(yù)度和忠誠(chéng)度，是圖書館服務(wù)和管理工作的重點(diǎn)，也是圖書館從被動(dòng)、通用性服務(wù)向主動(dòng)、智能化、個(gè)性化服務(wù)轉(zhuǎn)型要解決的重要問(wèn)題之一。本文提出了一個(gè)兼顧虛擬與物理世界信息服務(wù)的圖書館個(gè)性化服務(wù)系統(tǒng)結(jié)構(gòu)模型及讀者信譽(yù)度評(píng)估模型，采用 Web日志挖掘技術(shù)對(duì)圖書館MELINETS系統(tǒng)中大量的Web流通日志記錄進(jìn)行了挖掘，構(gòu)建了一種能反映不同用戶個(gè)體和群體信息使用行為、習(xí)慣及其變化特征的動(dòng)態(tài)的讀者信譽(yù)度評(píng)估機(jī)制，用以科學(xué)地劃分讀者群，根據(jù)不同信譽(yù)星級(jí)讀者群體的不同特點(diǎn)和需求，設(shè)計(jì)了能提供滿足其個(gè)性特征和需求的個(gè)性化服務(wù)功能及其組合。這些工作為進(jìn)一步開(kāi)發(fā)與應(yīng)用圖書館個(gè)性化服務(wù)系統(tǒng)提供了技術(shù)基礎(chǔ)。

［1］崔 林，宋瀚濤，龔永罡，等.基于 Web使用挖掘的個(gè)性化服務(wù)技術(shù)研究［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2005（3）：23－26.

［2］呂艷麗.基于Web使用挖掘的圖書館個(gè)性化系統(tǒng)研究［J］.圖書館學(xué)刊，2006（4）：135－137.

［3］錢 力.數(shù)字圖書館個(gè)性化信息服務(wù)系統(tǒng)的研究與設(shè)計(jì)［D］.北京：首都師范大學(xué)，2008.

［4］李雪倩.Web使用記錄挖掘在數(shù)字圖書館個(gè)性化服務(wù)中的應(yīng)用研究［D］.哈爾濱：黑龍江大學(xué)，2008.

［5］Mobasher B，Cooley R，Srivastava J.Automatic personalization based on Web usage mining［J］.Communication of the ACM，2000，43（8）：142－151.

［6］Lazcorreta E，Botella F，F(xiàn)ernández－Caballero A.Towards personalized recommendation by two－step modified Apriori data mining algorithm［J］.Expert Systems with Applications，2008，35（3）：1422－1429.

［7］Tug E，Skiroglu M，Arslan A.Automatic discovery of the sequential accesses from Web log data files via a genetic algorithm ［J］.Knowledge－Based Systems，2006，9（3）：180－186.

［8］Wang Shuqing，She Li，Liu Zhen，et al.Algorithm research on user interests extracting via Web log data［C］／／2009International Conference on Web Information Systems and Mining，WISM 2009，2009：93－97.

［9］Zaiane O R，Xin Man，Han Jiawei1.Discovering Web access patterns and trends by applying OLAP and data mining technology on Web logs［C］／／Proceedings of the 1998IEEE Forum on Research and Technology Advances in Digital Libraries，ADL，1998：19－29.

［10］張 娜，何建民.基于項(xiàng)目與客戶聚類的協(xié)同過(guò)濾推薦方法［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，30（9）：1159－1162.

［11］曹紅兵，唐秋鴻，唐小新，等.物聯(lián)網(wǎng)環(huán)境下的高校圖書館個(gè)性化服務(wù)體系構(gòu)建［J］.情報(bào)理論與實(shí)踐，2011，34（3）：70－76.

［12］李亞飛，劉業(yè)政.Web挖掘的體系研究［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，27（3）：305－309.

［13］李超鋒.Web使用挖掘關(guān)鍵技術(shù)研究［D］.武漢：華中科技大學(xué)，2007.

［14］羅 可，蔡碧野，吳一帆，等.數(shù)據(jù)挖掘中聚類的研究［J］.計(jì)算機(jī)工程與應(yīng)用，2003（20）：182－184，218.

［15］高孝梅.基于聚類分析的圖書館讀者閱讀習(xí)慣調(diào)查［J］.情報(bào)探索，2010（12）：11－12.

［16］張建民，姚 亮，胡學(xué)鋼.一種面向數(shù)據(jù)缺失問(wèn)題的K－means改進(jìn)算法［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，31（9）：1455－1457.