用户有关电大毕业论文,与基于智能Agent的数据挖掘在数字图书馆中的应用相关论文范例

本论文为用户有关本科生毕业论文格式,关于基于智能Agent的数据挖掘在数字图书馆中的应用相关电大毕业论文，可用于用户论文写作研究的大学硕士与本科毕业论文开题报告范文和优秀学术职称论文参考文献资料下载。免费教你怎么写用户及数字图书馆及模式方面论文范文。

摘 要 ：文章分析了数据挖掘与智能Agent的含义及特点,提出了利用智能Agent、数据挖掘技术对数字图书馆中的用户资料及访问web时的当前请求进行预测分析,据此获取用户兴趣爱好、访问习惯,预测用户行为,挖掘用户潜在需求,减少用户访问延迟,提高用户获取信息的效率,为其提供主动的个性化信息服务.

用户本科论文的写作方法
播放:31519次 评论:7749人

关 键 词 ：数字图书馆；数据挖掘；智能Agent；用户需求预测

中图分类号：G642.0?摇 文献标志码：A 文章编号：1674-9324（2014）17-0233-02

随着Inter的应用与普及,互联网已发展成当今世界上最大的信息库.网络资源的急剧膨胀为数字图书馆提供了巨大的信息源,它在为用户获取信息提供途径的同时,也增加了用户有效信息利用的难度及速度.数字图书馆如何利用先进信息处理技术,解决资源的无序性、分散性、冗余性,从web巨大的资源中快捷、准确地挖掘出用户所需信息及潜在需求,为用户提供主动的个性化信息服务,已成为人们关注的焦点.其中数字挖掘、智能Agent技术便是解决这一问题的重要技术之一.

近年来,图书情报界在数字图书馆建设中,对数字挖掘（Data mining）及智能Agent（Intelligent agent）有关理论与技术的应用研究已纷纷开展起来.本文拟对基于智能Agent的数据挖掘系统在数字图书馆中的应用模式进行分析探讨.

一、数据挖掘与智能Agent含义及特征

1.数据挖掘（Data mining）又可称作数据中的知识发展（Konwledge Database）,是通过分析各种数据源,从中提取出有价值的、新颖的、有用的,并被人们理解的模式的处理过程.它融合了计算机学、数据库、人工智能、文献统计等多个领域的理论和技术.数据挖掘常用的算法有：聚类法（Chattering）、分类法（Chissifieation）、遗传算法（Generic Algorithms）及关联规则算法（Associationword）.

2.数据挖掘特征.（1）能对大量的待处理数据进行分析处理,如抽取、转换、过渡,以满足用户需求.（2）具有高效的查询效率,为用户提供决策支持.（3）能对不同类型的数据进行分析处理.网络文献数据格式各异,如文本、声音、图像等.结构模式有结构化、半结构化及非结构化.（4）可发现数据中规则动态信息.（5）能有效地组织和管理数据.

3.智能代理含义及特征.智能代理（Intelligent agent）常被形象地称作能思维的软件,是指模拟人类行为,能够根据所感知的环境自义运动并提供相互的程序.在网络范畴内定义为在网络环境下代理用户或其他程序,以主动服务方式持续完成一组操作的机动软件实体.它可定时和交互地执行与目的有关的计划,对网络环境变化做出反应.智能Agent特征主要有：高度智能化、自主学习性、协作性和代理性.

二、基于智能Agent的数据挖掘在数字图书馆的应用

数字图书馆（Digital library）即对信息进行搜集、转换、描述,并以计算机可处理的数字化形式存储馆藏信息和网络化、数字化信息,以智能化的信息检索方式和统一的检索界面,利用先进的信息处理技术和互联网,提供各种语言兼容的多媒体远程数字信息的信息服务机构.数字图书馆含三大要素：数字化支持技术、数字化资源和数字服务.

近些年已有多种数据挖掘系统应用于数字图书馆建设中,尽管他们各有特色,但智能性均不够理想,需进一步完善.多智能代理的出现因具有高度智能性、协作性和代理性等特点,能完成较复杂的应用而越来越受到人们的青睐.本文提出一个基于智能Agent的数据挖掘系统在数字图书馆中的应用模式.该模式主要指数字图书馆根据本信息服务站点用户的历史数据（此数据包含用户兴趣爱好、访问习惯）及当前请示,有针对性地预测用户行为,即在用户浏览Web当前页面时,结合浏览轨迹,将预测内容放至本地高速缓存cache中（用户需要时可直接从高速度缓存中下载）,利用智能Agent及数据挖掘的原理和技术,挖掘出用户感兴趣的模式及潜在需求,从而减小用户的访问延迟,提高检索效率,为用户提供主动的个性化信息服务.由于智能Agent本身的特点融合于数据挖掘过程中,使数据挖掘模式具有智能性、协作性、使数据挖掘模式具有智能性、协作性、交互性等特点.基于智能Agent的数据挖掘系统在数字图书馆中的应用模式及其功能模块,如图1所示.

1.数据源：主要来自数字图书馆高速缓存Cache中用户的历史数据.

2.数据预处理Agent：主要功能是分析数字图书馆中的用户历史数据,在用户浏览Web当前页面时,将预测内容放至本地高速缓存cache中,进行预测分析,抽取出用户感兴趣的模式及潜在需求（从而减小用户的访问延迟,提高检索效率）,数据预处理可完成任务确定、模型设计、数据分析、数据抽取、数据处理和数据交换.数据抽取和数据处理一般包括消除无用数据及重复记录等操作,推导缺值数据,完在词干抽取、词条切分等处理和数据交换.数