استفاده از داده کاوی اطلاعات برای بهبود خدمات کتابخانه دیجیتالی
چکیده
هدف: این مقاله تلاش می کند تا یک راه حل برای خدمات کتابخانه دیجیتال بر اساس تکنیک های داده کاوی ارائه کند (تقسیم بندی خوشه ای و پیشگویانه)
طرح/روش شناسی/رویکرد: تکنیک های داده کاوی برای ارائه ی خدمات کتابخانه ی دیجیتال بر اساس شخصیت و تاریخچه ی جستجوی کاربر مورد استفاده قرار می گیرند. نخست، کاربران یکسان در کنار هم بر اساس شخصیت و جستجوها خوشه بندی می شوند. سپس تقسیم بندی پیشگویانه برای ارائه ی خدمات مناسب به انها مورد استفاده قرار می گیرند. نشان داده شده است کاربران در خوشه های یکسان از احتمال بالایی برای پذیرش خدمات مشابه یا الگوهایشان برخوردار هستند.
یافته ها: نتایج حاکی از ان هستند که k که به معنای تقسیم بندی نایو بیز و خوشه بندی می باشد، ممکن است برای بهبود درستی ارائه ی خدمات مورد استفاده قرار گیرد. درستی کلی رضایت بخش است در حالیکه درستی میانگین به خدمت خاص بستگی دارد. نتایج در ارتباط با خدمات دائمی بهتر بودند.
محدودیت ها/پیامدهای پژوهش: پایگاه های داده از کتابخانه ی دیجیتال کوبسون مورد استفاده قرار گرفتند. تنها تقسیم بندی خوشه بندی و پیشگویانه به کار گرفته شد. اگر پیوستگی میان خدمت و موسسه بیشتر باشد، در نهایت درستی بیشتری خواهد داشت.
اصالت/ارزش: این مقاله تکنیک های داده کاوی مختلف و کارامدی را برای خوشه بندی کاربران کتابخانه ی دیجیتالی و رفتار پژوهشی انها یعنی تعامل با خدمات کتابخانه ای پیشنهاد نموده است و به الگوهای کاربران با توجه به خدمت کتابخانه ای که استفاده می کنند دست یافته است. یک کتابخانه ی دیجیتال ممکن است این رویکرد را برای ارائه ی اسانتر خدمات مناسب به کاربران جدید به کار گیرد. پیشنهادات باید بر اساس ایتم های کتابخانه ای باشند که کاربران مشابه انها را مناسب دیده اند.
1 مقدمه
اگرچه امروزه ما در اطلاعات غرق شده ایم تکنیک های یافتن اطلاعات مناسب اکثرا بر اساس پژوهش محوی یا ویژگی های چند رسانه ای کم سطح می باشند. برای بهبود نتایج پژوهشی در ارتباط با کتابخانه های دیجیتالی (DL ها) تکنیک های هوشمند بیشتری باید بر اساس ایجاد اطلاعات نزولی (مانند هستی شناسی، مدل سازی کاربر) و تبادل اطلاعات خودکار صعودی (مانند داده کاوی، وب کاوی) مورد استفاده قرار گیرند (چن، 2003).
اطلاعات ارزشمند گرفته شده از جمع اوری اطلاعات DL را می توان در راهبرد کتابخانه ای ادغام نمود و برای بهبود پژوهش کتابخانه ای مورد استفاده قرار داد (چنگ و چن، 2006). برای طراحی موثر سیستم ها و خصوصا کمک به کاربران برای یافتن اسانتر اطلاعات،فهمیدن اینکه مردم چگونه جستجوهای خود را انجام می دهند اهمیت دارد. این مورد به طور ویژه در توسعه ی مداوم فناوری ها اهمیت دارد. با تشریح رفتار کاربران می توانیم کاربران و نیازهای اطلاعاتی انها را بهتر بشناسیم و برنامه های کاربر محور بهتری برایشان فراهم نماییم. برای دستیابی به این هدف، نیازها و مشکلات یک کاربر را بتدریج با استفاده از تجربیات کاربران مشابه دیگر پیش بینی کنیم.
Abstract
Purpose – This paper aims to propose a solution for recommending digital library services based on data mining techniques (clustering and predictive classification). Design/methodology/approach – Data mining techniques are used to recommend digital library services based on the user’s profile and search history. First, similar users were clustered together, based on their profiles and search behavior. Then predictive classification for recommending appropriate services to them was used. It has been shown that users in the same cluster have a high probability of accepting similar services or their patterns.
Findings – The results indicate that k-means clustering and Naive Bayes classification may be used to improve the accuracy of service recommendation. The overall accuracy is satisfying, while average accuracy depends on the specific service. The results were better for frequently occurring services.
Research limitations/implications – Datasets were used from the KOBSON digital library. Only clustering and predictive classification was applied. If the correlation between the service and the institution were higher, it would have better accuracy.
Originality/value – The paper applied different and efficient data mining techniques for clustering digital library users based on their profiles and their search behavior, i.e. users’ interaction with library services, and obtain user patterns with respect to the library services they use. A digital library may apply this approach to offer appropriate services to new users more easily. The recommendations will be based on library items that similar users have already found useful.
1. Introduction
Although we are today overwhelmed with data, techniques for finding appropriate information are mostly based on syntax search or low-level multimedia features. For improving search results in interaction with digital libraries (DLs), other more intelligent techniques should be used, based on both top-down knowledge creation (e.g. ontologies, user modeling) and bottom-up automated knowledge extraction (e.g. data mining, web mining) (Chen, 2003).
Valuable information extracted from the collection of DL data can be integrated into the library’s strategy, and can be used to improve library search (Chang and Chen, 2006). For an effective design of systems and particularly to help users to find information more easily, it is crucial to understand how people perform searches. This is especially important in continuous development of technologies. By exploring users’ behavior we try to understand better the users themselves and their information needs and provide them with better user-oriented applications. To achieve this goal, we can anticipate a specific user’s needs and problems in advance, by using experience of other similar users.
چکیده
1 مقدمه
2 کارهای مرتبط
3 رکوب
3.1: بررسی کلی فرایند داده کاوی
3.2 پیشنهادات
3.3 اطلاعات
3.4 اماده سازی اطلاعات
3.5: شناسایی الگوهای کاربر
4 ارزیابی
5 نتیجه گیری و کار اینده
منابع
Abstract
1. Introduction
2. Related work
3. REKOB
3.1 Overview of the data mining process
3.2 Recommendations
3.3 Data
3.4 Data preparation
3.5 Discovering user patterns
4. Evaluation
5. Conclusion and future work
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه