(3.237.48.165) 您好!臺灣時間:2021/05/09 12:16
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:黃劭瑜
研究生(外文):Shao-Yu Huang
論文名稱:應用粒子群最佳化演算法分析圖書館閱覽者行為
論文名稱(外文):Applying Particle Swarm Optimization to Analyze the behavior of Library Users
指導教授:詹智強詹智強引用關係
指導教授(外文):Chu-Chai Chan
學位類別:碩士
校院名稱:朝陽科技大學
系所名稱:工業工程與管理系碩士班
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2008
畢業學年度:96
語文別:中文
論文頁數:46
中文關鍵詞:粒子群演算法資料探勘顧客關係管理
外文關鍵詞:Particle Swarm Optimization (PSO)Data MiningCustomer Relationship Management (CRM)
相關次數:
  • 被引用被引用:5
  • 點閱點閱:552
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:92
  • 收藏至我的研究室書目清單書目收藏:1
由於資訊科技與網際網路的進步可說是日新月異,因此網路上充斥著龐大的資料,加上網際網路的發展,資訊數位化已是必然的趨勢;在日常生活之中當人們遭遇到問題時,所尋求的管道大多選擇上網搜尋,因此圖書館的功能性已不再那麼如同以往那樣重要了,近年來許多圖書館也希望提供人們比較方便且快速的查詢方式,先是將書籍資料以電子檔案型態做儲存,進而利用網路的便利性與流通性,將文字與影音多媒體放置於網路上提供給人們查詢使用。
本研究是以某大學圖書館的借閱記錄作為探勘樣本,並且對借閱者給予適時的書籍借閱建議,縮短讀者搜尋及查詢的時間;此篇研究首先使用粒子群演算法針對系級、借閱書籍等相關資訊,並對借閱者做出分群的動作,尋找出讀者借閱之書籍間的關聯性,進而利用所探勘出的規則性,對往後的借閱者提出正確的借閱建議,以提高閱覽者借閱書籍效率及使用圖書館資源之意願。
Because of the quick change of information science and technology to change, Internet provide too large information in the daily life, most of people fall among a problem that they look for select and search the needed information on the Internet. So function of library already no longer so important. In recent years, many libraries also hope to provide people with more convenient and quick services, to make a traditional book transformed into an e-book for storage, and then to make use of the Internet convenient and circulates, post up characters and media on Internet for people searching.
This research according to read data of an University library, and to offer advice for readers to make shortens time in libraries; in this study: first, use Particle Swarm Optimization (PSO) to analyze department class and read record, second, to swarm off aimed at reader. Finally, the study finds out the relations, and then use the rules to provide correction suggest for reader, increased the borrow book of desire and efficiency.
目錄

摘要 I
Abstract II
致謝 III
目錄 V
表目錄 VII
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研究架構 3
第二章 文獻探討 4
2.1顧客關係管理(Customer Relationship Management) 4
2.2資料探勘(Data Mining) 8
2.2.1定義 8
2.2.2知識發掘過程 10
2.3 粒子群最佳化(Particle Swarm Optimization) 12
2.3.1粒子群最佳化演算法之步驟 14
第三章 研究方法 16
3.1資料來源 16
3.2輔助軟體 16
3.3研究流程 16
第四章 資料分析結果 24
4.1資料分析與參數設定 24
4.2資料分群 27
4.3分群結果之比較 30
4.3資料分析 32
第五章 結論與建議 41
5.1結論 41
5.2建議 42
5.3研究限制 43
參考文獻 44
中文部份: 44
英文部分: 45

表目錄
表 2-1、顧客關係管理的四大步驟與所應用之資訊科技 7
表 2-2、對資料探勘(Data Mining)的定義 9
表 3-1、借閱書籍紀錄 18
表 3-2、借閱紀錄統計數字 19
表 3-3、相關書籍 20
表 4-1、群體人數分布表 25
表 4-2、5至2群之組內變異平方和 26
表 4-3、適應值收斂情形-粒子數 28
表 4-4、迴圈數影響適應值之收斂情形 29
表 4-5、PSO分群結果 30
表 4-6、PSO與K-Means Cluster DB值之比較 32
表 4-7、各群體在三個維度下的範圍值 33
表 4-8、各群體在三個維度下的平均值 33
表 4-9、借閱者行為矩陣 34
表 4-10、三個學院在各個群中人數分布情形 34
表 4-11、第一群中最高借閱數量前三名 36
表 4-12、第二群中最高借閱數量前三名 37
表 4-13、第三群中最高借閱數量前三名 38
表 4-14、第四群中最高借閱數量前三名 39

圖目錄
圖1-1、研究架構圖 3
圖2-1、文獻探討架構圖 4
圖2-2、知識發現的基本步驟 10
圖2-3、PSO演算法流程圖 15
圖3-1、研究架構圖 17
圖3-2、資料前置處理 19
圖3-3、分群示意圖 20
圖3-4、粒子編碼 21
圖3-5、行為探勘示意圖 23
圖4-1、人數分佈直條圖 24
圖4-2、SPR圖 26
圖4-3、適應值收斂情形-粒子數 27
圖4-4、適應值收斂情形-迴圈數 28
圖4-5、PSO分群結果 30
圖4-6、PSO與K-Means Cluster各群人數之比較圖 31
圖4-7、K-Means Cluster分群結果 32
圖4-8、第一群借書情形 35
圖4-9、第二群借書情形 36
圖4-10、第三群借書情形 38
圖4-11、第四群借書情形 39
參考文獻
中文部份:
[1]卜小蝶(2001),以圖書館借閱記錄加強圖書館資源利用之探討,中國圖書館學會會報,pp.59-72。
[2]陳慶逸,應用於資料探勘之演化是群聚分析技術,國科會核准計畫案NSC92_2213_E032_027。
[3]曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯(2005)著,資料探勘(Data Mining),旗標出版股份有限公司。
[4]李明修(2007),應用資料探勘技術分析圖書館閱覽者行為,朝陽科技大學工業工程與管理系研究所碩士論文。
[5]王毓菁(2002),圖書館閱覽者群組潛在特徵探勘資訊系統,華梵大學工業工程學系研究所碩士論文。
[6]劉文良(2005)著,顧客關係管理-思維與技術(CRM & Data Mining),�眳p資訊股份有限公司。
[7]邱宇婷(2006),應用粒子群最佳化演算法於關聯法則探勘之研究,國立台北科技大學工業工程與管理學系研究所碩士論文。


英文部分:
[8]Bergh, F. D., Engelbrecht, A,”A Cooperative Approach to Particle Swarm Optimization,” Proceeding of IEEE Trans., Vol. 8 No. 3, pp. 225-239, 2004.
[9]Eberhart, R.C., Shi Y.,”Comparison between genetic algorithms and particle swarm optimization, “Proceedings of the 7th Annual Conference on Evolutionary Programming, pp.611-619, 1998.
[10]Kennedy, J., Eberhart, R.C., “Particle swarm optimization,” Proceedings of the 1995 IEEE International Conference on Networks, Vol. 4,pp. 1942-1948, 1995.
[11]Kennedy, J., Eberhart, R.C., “A new optimizer using particle swarm theory, ” Proceedings of the Sixth Intertional symposium on Micro machine and Human Science, Nagoya, Japan, 1995, pp.39-43.
[12]Euiho Suh, Seungjae Lim, Hyunseok Hwang, Suyeon Kim, “A prediction model for the purchase probability of anonymous customers to support real time web marketing: a case study,” Expert Systems with Applications27 (2004)245-255
[13]G.H. Grupe and M.M. Owrang, “Database Mining Discovering New knowledge and Cooperative Advantage,” Information System Management, Vol 12, No. 4, 1995, pp.26-31.
[14]U. Fayyad, G. Piatetsky-shapiro and P. Smyth, “From data mining to knowledge discovery in database,” AI Magazine, 1996, pp.37-54.
[15]M.J.A Berry and G.S. Linoff, Data Mining Technique: For Marketing, Sales, and Customer Relationship Management, New York: Wiley Computer Publishing, 1997.
[16]P. Cabena, P. Hadjnian, R. Stadler, J. Verhees and A. Zanasi, Discovering Data Mining form Concept to Implemention, New Jersey: Pretice Hall, 1997.
[17]U. Fayyad, G. Piatetsky-shapior and P. Smyth,“From data mining to knowledge discovery in databases,”AI Magazine, pp.37-54, 1996.
[18]M.J. Shaw, C. Subramaniam, G.W. Tan and M.E. Welage, “Knowledge management and data mining for marketing,”Decision Support Systems, Vol.31, pp.127-137, 2001.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔