臺灣博碩士論文加值系統

　　在現今資料處理上都已全面電子化，這使得資料的數量也倍數增長。於資料數位化的情況下，圖書館的借閱紀錄更是已經完整的存在資料庫中，但資料中往往潛藏著許多訊息，資料探勘(Data mining)便是將這些訊息挖掘出來，變成有用的資訊(Information)。
　　資料探勘技術很早就用於商場上甚至於顧客關係管理(Customer relationship management, CRM)，藉由資料探勘的結果，商家可以適當調整商品位置的擺放，或是了解各個客群的消費習性、消費能力等，輔以增加銷售額。那麼將資料探勘技術用於圖書館，便可依探勘出的資訊，適當的調整書籍擺放位置或是對各個讀者推薦書籍，藉以增加借閱率及流通性。
　　數位時代，許多網路服務均提供程度不一的客製化或是個人化的服務，也就是利用過去的行為模式來提供更親切或是更精準的服務。圖書的借閱紀錄往往被忽略，其實其中隱藏著許多的關聯。本研究以大學圖書借閱紀錄為資料來源，透過資料的統計分析及資料探勘技術，採用當中的分群分析(Clustering analysis)法，發掘出潛藏於紀錄中的重要關聯性資料，再進一步找尋出群組當中的現象。
　　本論文研究以叢集度特性探討讀者行為，並設定權重特性將讀者分群分析，研究中採用叢集度型態的非獨占性階層式分群方式，也可應用於網際網路中。如：網際網路上各節點及之間的連線，分析不同的節點是否在網路間具有一定的影響力，是否足以擔任該網路中的核心節點(Core node)，或是用於社群網路中，分析隱含於人與人之間的關聯性等。

　In recent years, the quantity of data explodes. Under this circumstance, automated library system records reader’s information in the database. A lot of information is hidden in the data. Data mining is to discover the data and to turn it into information which can be used.

　Data mining has been used in many areas such as marketing and customer relationship management (CRM). Based on the result of data mining, the owners can change merchandise display and understand customers’ life style and habits in order to increase the volume of sales. To use data mining in libraries allows us to relocate the books and to recommend book lists to readers. In the long term effect, the book circulation can be improved.

　Many internet services could provide different types of personalization and customization. The technologies allow the service providers to give more specific service by understanding customer behaviors. However, this technology has been neglected in the libraries. Therefore the thesis will focus on readers’ reading history in the university and will try to discover the phenomenon among clusters. The research methodology will be data analysis and data mining, especially clustering analysis.

　In this thesis, clustering coefficient used to analyze behaviors of reader, and link weight are used to clustering reader into groups. It is convinced that non-exclusive hierarchical cluster research method can also be applied to the internet analysis. For example, it can be used to analyze the effect of different nodes in the internet and to figure out if the node is qualified to be the core node. Moreover, it is also useful to analyze the relationship in the social network.

目　　錄
摘　　要 i
ABSTRACT iii
誌謝 v
目　錄 vi
表目錄 viii
圖目錄 ix
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 論文架構 3
第二章 文獻探討 5
2.1 相關研究 5
2.2 關聯法則 6
2.3 分類分析 7
2.3.1 決策樹 7
2.3.2 支援向量機 9
2.3.3 k最近鄰法 11
2.4 分群分析 13
2.4.1 K-means演算法 15
2.4.2 EM演算法 17
2.4.3 自組織映射圖網路 18
2.4.4 PAM演算法 19
2.5 複雜網路 22
2.5.1 網路概念 23
2.5.2 小世界網路 32
2.5.3 無尺度網路 34
2.6 資料探勘在圖書館的應用 36
第三章 研究方法 38
3.1 研究架構 38
3.2 實驗環境 39
3.2.1 資料清整 39
3.3 資料分析 40
第四章 研究結果分析和討論 43
4.1 實驗設定 43
4.2 分支度分析 46
4.3 群分析 48
4.4 討論 53
第五章 結論與未來發展 59
參考文獻 61

[1]林政錦，鍾志豪，「圖書借閱行為之探討-以圖書館為例」，東南科技大學東南學報，第三十七期，65~72頁，民國一零一年七月
[2]李官陵，黃淑霞，「資料探勘的技術於圖書館借閱歷程分析及推薦系統」，國立東華大學資訊工程系碩士論文，民國九十七年
[3]陳垂成，陳幸暉，「建置圖書館書籍推薦系統：資料探勘之應用」，工程科技與教育學刊，第八卷第三期，469~478頁，民國一百年
[4]陳垂成，曾永森，「利用資料探勘技術增進圖書館之服務效益」，南台科技大學資訊管理研究所碩士論文，民國九十二年
[5]詹智強，黃劭瑜，「應用粒子群最佳化演算法分析圖書館閱覽者行為」，朝陽科技大學工業工程與管理系碩士論文，民國九十七年
[6]謝建成，林湧順，「書目探勘讀者使用圖書館之行為」，教育資料與圖書館學期刊，44(1)，2006，35~60頁
[7]Fayyad,U. M.,ed., Advance in Knowledge Discovery and Data mining, Boston: MIS Press,1996.
[8]Fayyad,U. M., et al., The KDD Process for Extraction Userful Knowledge from Volumes of Data, communication of the ACM, November 1996.
[9]Fayyad,U. M.,Shapiro, G. P., Smyth, P. and Uthurusamy, R., Advance in Knowledge Discovery and Data mining, California aaa/MIT Press, 1996.
[10]曾憲雄等編著，資料探勘，初版，台北市，旗標出版股份有限公司，民國九十四年。
[11]廖述賢，溫志皓，資料探勘理論與應用：以IBM SPSS Modeler為範例，博碩文化股份有限公司，民國一百年十二月
[12]Rakesh Agrawal, et al., “mining association rules between sets of items in large databases” ,Proceedings of the 1993 ACM SIGMOD Conference Washington DC, May 1993
[13]陳垂成，「利用分類分析發掘產品最適性之項目組合」，資訊科學應用期刊，卷期:3:2，民國九十六年，79~100頁
[14]S. Rasoul Safavian and David Landgrebe, "A Survey of Decision Tree Classifier Methodology", IEEE Transactions on Systems, Man and Cybernetics, Vol.21 Issue.3, pp.660 - 674, 1991
[15] Cortes, Corinna. and Vapnik, Vladimir., "Support-Vector Networks", Machine Learning, 20, pp. 273-297, 1995
[16] Fix, E., Hodges, J.L. Discriminatory analysis, nonparametric discrimination: Consistency properties. Technical Report 4, USAF School of Aviation Medicine , Randolph Field, Texas, 1951.
[17]J.R. QUINLAN, “Induction of Decision Trees” , Machine Learning 1 , pp.81–106, 1986
[18]J. ROSS QUINLAN, C4.5 PROGRAMS FOR MACHINE LEARNING, Morgan Kaufmann Publishers , 1993
[19]劉益宏，呂學信，「結合SVDD及SVM分類器於會員人臉確認之研究」，中原大學機械工程學系碩士學位論文，民國九十六年七月
[20]林豪鏘等，「以微網誌語料進行情緒辨識之研究」，國立臺南大學資訊工程學系士論文，民國九十九年七月
[21] Dan Pelleg and Andrew Moore, “Mixtures of Rectangles: Interpretable Soft Clustering”, School of Computer Science, Carnegie Mellon University, Pittsburgh ,PA 15213 USA, pp.401-408, 2001
[22] A.K. JAIN, et al., “Data Clustering: A review”, ACM Computing Surveys, Volume 31 Issue 3, pp.264–323,SEP. 1999
[23]葉榮懋，郭逸凡，「以矩陣分群技術分析顧客行為模式」，國立成功大學資訊管理研究所碩士論文，民國九十二年六月
[24] J. MacQueen, "Some Methods for classification and Analysis of Multivariate Observations", Proceedings of 5-th Berkeley Symposium on Mathematical Statistics and Probability, Berkeley, University of California Press, Vol.1, pp.281-297 , 1967
[25] A. P. et al., “DEMPSTER, Maximum likelihood from incomplete data via the EM algorithm”, Journal of the Royal Statistical Society, Series B, VOol. 39, No. 1, pp.1-38, 1977
[26] KOHONEN, T. ,” Engineering applications of the self-organizing map”, Proceedings of the IEEE, Vol.84, NO 10, Oct 1996
[27]Kaufman,L,and Rousseeuw,P. J., Finding Groups in Data: an Introduction to Cluster Analysis, John Wiley & Sons, 1990
[28]陳榮昌，林育臣，「群聚演算法及群聚參數的分析與探討」，朝陽科技大學資管系，朝陽學報，第八期，民國九十二年九月，327~353頁
[29]楊燕珠，陳志豐，「基於高頻項目集結合近似樣式匹配之文件分群」，資訊管理學報，第十六卷 專刊，民國九十八年，165~184頁
[30]張延章，彭逸維，「混合類別伽瑪迴歸模型的估計 - EM演算法與FCML演算法的比較」，國立新竹教育大學應用數學系碩士班碩士論文，民國九十八年六月
[31]江峰政，陳重弘，「有關EM法於具韋伯之設限資料其參數之估計」，國立成功大學應用數學研究所碩士論文，民國九十四年七月
[32]孫光天，郭冠輝，「自組織映射網路在概念圖上應用之研究」，國立台南師範學院資訊教育研究所碩士論文，民國九十三年六月
[33]陳桂霞，黃重光，「自組織映射圖網路簡介」，國立台中師範學院教育測驗統計研究所
[34]蘇軾詠，蘇木春，「結合群體智慧與自我組織映射圖的資料視覺化研究」，國立中央大學資訊工程研究所碩士論文，民國九十三年六月
[35]戴偉勝，許中川，「成長式自組映射圖視覺化混合型資料」，資訊管理學報，17卷專刊，1~25頁，民國九十九年十二月
[36] Jean Fen-ju Hou, "Clustering with Obstacle Entities", SIMON FRASER UNIVERSITY, November 1999
[37]黃全榮，孫春在，「複雜網路中橋接式與強鍵式連結之偵測、分析與應用」，國立交通大學多媒體工程研究所碩士論文，民國九十九年六月
[38] Euler, L., Solutio problematis ad geometriam situs pertinentis,Commentarii Academiae Scientiarum Imperialis Petropolitanae, 8:128-140, 1736
[39]韩定定，刘锦高， 「复杂网络的拓朴、 动力学行为及其实证研究」，华东师范大学博士学位论文，专业：无线电物理，2007年11月
[40]陈德伟，何文辰，「複雜網路度分布的研究」，河北工大硕士论文
[41]陳伯榮，蔡凱翔，「用區域連線交換技術來控制有向和有權重網路的叢聚度」，淡江大學資訊工程學系碩士班碩士論文，民國九十九年六月
[42]陳企寧等，「複雜網路研究的兩個問題：(一)適合度網路模型之極值統計(二)長程交換在SIRS模型中的影響」，國立東華大學應用物理研究所碩士論文，民國九十九年七月
[43]汪小帆等编着，复杂网络理论及其应用，清华大学出版社，2006
[44]D.Watts,S.Strogatz,"Collective dynamics of 'small-world' networks," Nature, VOL 393, pp.440–442, June 1998.
[45]A. Barrat, M. Weigt,"On the properties of small-world network models," The European Physical Journal B, Volume 13, Number 3, pp.547-560, 2000
[46]林政錦，鍾志豪，「複雜網路在資料探勘應用上之研究」，東南科技大學東南學報，第三十八期，167~175頁，民國一零二年四月
[47] Albert-László Barabási and Réka Albert, “Deterministic scale-free networks”, Physica A-statistical Mechanics and Its Applications - PHYSICA A , vol. 299, no. 3, pp. 559-564, 2001
[48] Albert-László Barabási, Réka Albert. “Emergence of Scaling in Random Networks”. Science: pp.509–512, OCT 1999
[49]卜小蝶，「使用者導向之圖書分類關聯分析研究」，圖書資訊學刊，第十七期，81~94頁，民國九十一年十二月
[50]徐嘉僑，「圖書館提供個人化資訊服務之研究」，台灣圖書館裡季刊，第一卷，第四期，84~100頁，民國九十四年十月