基于Hadoop平臺(tái)的圖書(shū)館讀者興趣分析與導(dǎo)向系統(tǒng)模型的建立.pdf

1、近年來(lái)，特別是黨的十八大以來(lái)，在創(chuàng)新驅(qū)動(dòng)國(guó)家戰(zhàn)略的引領(lǐng)下，在大眾創(chuàng)業(yè)，萬(wàn)眾創(chuàng)新的大時(shí)代背景下，互聯(lián)網(wǎng)+高校信息化管理成為了炙手可熱的話題。作為學(xué)校信息數(shù)據(jù)量巨大的部門(mén)——圖書(shū)館，隨著移動(dòng)網(wǎng)絡(luò)、大數(shù)據(jù)、云計(jì)算以及物聯(lián)網(wǎng)等新興技術(shù)的逐漸成熟和高校對(duì)圖書(shū)館信息化的日益重視，已經(jīng)對(duì)越來(lái)越多的圖書(shū)資源實(shí)現(xiàn)了信息化管理，并且使其呈現(xiàn)出了功能多樣化的百花齊放的局面。廣大師生在圖書(shū)館檢索查閱過(guò)程中會(huì)產(chǎn)生非常大的數(shù)據(jù)量，這些數(shù)據(jù)正是我們對(duì)讀者的閱讀和檢索

2、興趣進(jìn)行深入分析的依據(jù)。值得注意的是，讀者的檢索多樣化和讀者興趣分析及圖書(shū)應(yīng)用推薦智能化需求也為圖書(shū)館帶來(lái)了巨大的挑戰(zhàn)：一方面，單一的服務(wù)器外加磁盤(pán)陣列架構(gòu)的圖書(shū)館智能化硬件設(shè)施已無(wú)法適應(yīng)大量的數(shù)據(jù)檢索分析及存儲(chǔ)的需要，并且，以上硬件存在成本較高和難以適應(yīng)大數(shù)據(jù)時(shí)代需求的缺點(diǎn)；另一方面，當(dāng)前對(duì)高校的圖書(shū)館借閱流通數(shù)據(jù)的分析方法仍舊停留在對(duì)各種單一指標(biāo)對(duì)象的分析上，分析得不夠全面；最后，現(xiàn)行的讀者興趣分析只是得出了一個(gè)統(tǒng)計(jì)結(jié)果，而不是能將

3、統(tǒng)計(jì)結(jié)果進(jìn)一步轉(zhuǎn)化為對(duì)學(xué)校圖書(shū)館如采購(gòu)等其他工作產(chǎn)生直觀指導(dǎo)的數(shù)據(jù)。為解決以上問(wèn)題，通過(guò)對(duì)長(zhǎng)春某大學(xué)及其周邊部分省屬高校圖書(shū)館進(jìn)行數(shù)據(jù)分析與實(shí)地調(diào)研，結(jié)合大數(shù)據(jù)理論，結(jié)合導(dǎo)師的研究方向和相關(guān)橫向課題，在深入研究Hadoop大數(shù)據(jù)技術(shù)的基礎(chǔ)上，建立興趣分析和導(dǎo)向模型可以對(duì)高校圖書(shū)館信息化建設(shè)的研究起到一定的借鑒作用。本文主要在以下四方面展開(kāi)研究：一是將Hadoop大數(shù)據(jù)技術(shù)與C＃語(yǔ)言數(shù)據(jù)分析技術(shù)應(yīng)用于讀者興趣分析與導(dǎo)向分析工作中，同時(shí)為了

4、解決大數(shù)據(jù)存儲(chǔ)與運(yùn)算的高成本問(wèn)題，本文選擇了成本較低的Microsoft Azurez作為服務(wù)器群，用來(lái)構(gòu)建Hadoop數(shù)據(jù)平臺(tái)；二是利用NoSQL分布式數(shù)據(jù)庫(kù)和HBase數(shù)據(jù)庫(kù)對(duì)圖書(shū)館讀者借閱檢索日志（圖書(shū)電子資源訪問(wèn)來(lái)源）進(jìn)行分析，通過(guò)日志分析，實(shí)現(xiàn)了對(duì)圖書(shū)館電子資源的使用信息進(jìn)行監(jiān)控、優(yōu)化；三是通過(guò)對(duì)讀者的文獻(xiàn)借閱的歷史數(shù)據(jù)進(jìn)行挖掘，構(gòu)建文獻(xiàn)推薦模型框架；第四，將文獻(xiàn)推薦模型框架生成的圖書(shū)推薦列表進(jìn)行轉(zhuǎn)化，最終為采編部生成采購(gòu)清單

5、。
　　本論文實(shí)現(xiàn)了以下三個(gè)方面的創(chuàng)新：一是將現(xiàn)流行的Hadoop大數(shù)據(jù)分析技術(shù)引入了較為傳統(tǒng)的高校圖書(shū)館讀者興趣分析與導(dǎo)向工作中，實(shí)現(xiàn)了在廉價(jià)的計(jì)算機(jī)上構(gòu)建文獻(xiàn)借閱分析集群平臺(tái)，充分利用微軟的云平臺(tái)，使海量文獻(xiàn)借閱信息的分布式存儲(chǔ)問(wèn)題迎刃而解。二是在數(shù)據(jù)分析方面，將C#編程語(yǔ)言引入Hadoop框架，為興趣分析與導(dǎo)向模型的建立提供了高效、直觀的數(shù)據(jù)分析方案，把讀者的借閱歷史數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析與比對(duì)，最終實(shí)現(xiàn)針對(duì)讀者的個(gè)性化推薦，進(jìn)