基于FP-tree的中小馆书目数据库主题词数据挖掘*

doi:10.11925/infotech.1003-3513.2010.07-08.20

现代图书情报技术

2010, Vol. 26

Issue (7/8): 114-119 https://doi.org/10.11925/infotech.1003-3513.2010.07-08.20

应用实践

本期目录 | 过刊浏览 | 高级检索

基于FP-tree的中小馆书目数据库主题词数据挖掘*

陈瑷瑛¹秦宗蓉²

¹（广州航海高等专科学校图书馆广州 510725）
²（广州航海高等专科学校计算机与信息工程系广州 510725）

Data Mining of Subject Words for Bibliographic Database in Small and Medium-sized Libraries Based on FP-tree

Chen Aiying¹Qin Zongrong²

¹（Guangzhou Maritime College Library, Guangzhou 510725,China）
²(Department of Computer and Information Engineering，Guangzhou Maritime College,Guangzhou 510725, China)

摘要
参考文献
相关文章
Metrics

全文: PDF (1358 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

针对中小馆普遍存在的中文图书学科主题标引问题，采用关联规则挖掘的FP-growth算法进行学科主题字段的数据挖掘，得出分类学科主题词表，为中小馆制定中文图书机读数据主题标引规则和细则提供参考依据，同时为标引中文图书提供参照。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	陈瑷瑛
	秦宗蓉

关键词 ：关联规则, 数据挖掘, FP-growth算法, 学科主题, 最小支持度

Abstract：

For ubiquitous subject indexing problem of Chinese books in small and medium-sized libraries, this paper uses the FP-growth algorithm to mine discipline subject field, and the discipline thesaurus of each category is obtained. The reference basis for making machine-readable data subject indexing rules and bylaws of Chinese books in small and medium-sized libraries is provided as well as subject indexing of Chinese books.

Key words： Association rules Data mining FP-growth algorithm Discipline subject Minimum support

收稿日期: 2010-05-25 出版日期: 2010-09-19

:	G250
	TP391

基金资助:

本文系广州航海高等专科学校青年基金项目“中小型图书馆书目数据库主题词数据挖掘——基于广州航海高等专科学校图书馆管理系统”（项目编号：201012C01）的研究成果之一。

通讯作者: 陈瑷瑛 E-mail: cay6932@163.com

作者简介: 陈瑷瑛秦宗蓉

引用本文:

陈瑷瑛秦宗蓉. 基于FP-tree的中小馆书目数据库主题词数据挖掘*[J]. 现代图书情报技术, 2010, 26(7/8): 114-119.
Chen Aiying Qin Zongrong. Data Mining of Subject Words for Bibliographic Database in Small and Medium-sized Libraries Based on FP-tree. New Technology of Library and Information Service, 2010, 26(7/8): 114-119.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2010.07-08.20 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2010/V26/I7/8/114

［1］赵伯兴. 论网络环境下书目质量理念的拓变［J］.图书馆建设，2006（6）：44-47.
［2］符勤. 通过编目技术提升在线书目的质量［J］.图书馆，2007（3）：74-76,95.
［3］ Han J, Pei J,Yin Y．Mining Frequent Patterns Without Candidate Generation［J］.Data Mining and Knowledge Discovery,2004（8）：53-87.
［4］牛根义. 国内图书馆数据挖掘研究［J］.现代情报，2009,29（1）：128-130,133.
［5］陈耀盛.网络信息组织［M］.北京：科学技术文献出版社，2004：200.
［6］章华. 江苏高校图书馆编目数据存在的问题及对策［J］.图书馆建设，2008（7）：75-77.
［7］董素音，冯宝秀.现代图书馆藏书建设工作［M］.北京：海洋出版社，2006：108-109.
［8］王怀汀. 金盘图书馆集成管理系统的总体设计［J］.现代图书情报技术，1997（1）：34-37.
［9］詹萌. 我国图书馆书目数据库的数据特征分析与检索方式扩展研究［J］.图书情报工作，2006,50（7）：68-72.
［10］国家图书馆《中国图书馆分类法》编辑委员会．中国分类主题词表（第二版）分类号—主题词对应表（一）［M］．北京：北京图书馆出版社，2005：22-25.
［11］郭伟,叶德谦. 改进的基于FP-tree的频繁项集挖掘算法［J］. 计算机工程与应用，2007,43(19)：174-176.
［12］车传辉，倪明. FP算法在企业信息类隐性知识挖掘中的应用研究［J］.情报杂志，2009，28（4）：144-146,55.

[1]	谢旺, 王丽珍, 陈红梅, 曾兰清. 基于空间序偶模式挖掘污染源与癌症病例的关系 ^*[J]. 数据分析与知识发现, 2021, 5(2): 14-31.
[2]	李铁军,颜端武,杨雄飞. 基于情感加权关联规则的微博推荐研究*[J]. 数据分析与知识发现, 2020, 4(4): 27-33.
[3]	魏伟,郭崇慧,邢小宇. 基于语义关联规则的试题知识点标注及试题推荐^*[J]. 数据分析与知识发现, 2020, 4(2/3): 182-191.
[4]	黄名选,卢守东,徐辉. 基于加权关联模式挖掘与规则后件扩展的跨语言信息检索 ^*[J]. 数据分析与知识发现, 2019, 3(9): 77-87.
[5]	张勇,李树青,程永上. 基于频次有效长度的加权关联规则挖掘算法研究 ^*[J]. 数据分析与知识发现, 2019, 3(7): 85-93.
[6]	陆泉,朱安琪,张霁月,陈静. *中文网络健康社区中的用户信息需求挖掘研究^——以求医网肿瘤板块数据为例**[J]. 数据分析与知识发现, 2019, 3(4): 22-32.
[7]	牟冬梅,法慧,王萍,孙晶. 基于结构方程模型的疾病危险因素研究^*[J]. 数据分析与知识发现, 2019, 3(4): 80-89.
[8]	何跃, 丰月, 赵书朋, 马玉凤. 基于知乎问答社区的内容推荐研究——以物流话题为例[J]. 数据分析与知识发现, 2018, 2(9): 42-49.
[9]	李勇男. 贝叶斯理论在反恐情报分类分析中的应用研究^*[J]. 数据分析与知识发现, 2018, 2(10): 9-14.
[10]	曲佳彬, 欧石燕. 基于主题过滤与主题关联的学科主题演化分析^*[J]. 数据分析与知识发现, 2018, 2(1): 64-75.
[11]	牟冬梅, 王萍, 赵丹宁. 高维电子病历的数据降维策略与实证研究^*[J]. 数据分析与知识发现, 2018, 2(1): 88-98.
[12]	何跃, 王爱欣, 丰月, 王莉. 基于关联规则的门诊药房布局优化[J]. 数据分析与知识发现, 2018, 2(1): 99-108.
[13]	胡忠义, 王超群, 吴江. 融合多源网络评估数据及URL特征的钓鱼网站识别技术研究^*[J]. 数据分析与知识发现, 2017, 1(6): 47-55.
[14]	江思伟, 谢振平, 陈梅婕, 蔡明. 混合特征数据的自解释归约建模方法^*[J]. 数据分析与知识发现, 2017, 1(12): 92-100.
[15]	魏星, 胡德华, 易敏寒, 朱启贞, 朱文婕. 基于数据立方体挖掘疾病-基因-药物新关联^*[J]. 数据分析与知识发现, 2017, 1(10): 94-104.

Viewed

Full text

Abstract

Cited

Shared

Discussed