文献类型：期刊文章

作　　者：孙龙杰[1] 俞凯君[1]

SUN Long-jie;YU Kai-jun(Shanghai University of Medicine and Health Sciences, Shanghai, 201318)

机构地区：[1]上海健康医学院图书馆

出　　处：《软件》

基　　金：2018年度全国青年教师教育教学研究课题“人工智能时代临床工程技术教育改革研究”(项目编号:2018QNJ013);CALIS全国医学文献信息中心重点资助项目(立项编号:4);CALIS全国医学文献信息中心2019年科研基金项目(项目编号:22)成果之一

年　　份：2019

卷　　号：40

期　　号：6

起止页码：113-118

语　　种：中文

收录情况：CSA、IC、JST、普通刊

摘　　要：大数据人工智能时代实时产生的大量图书馆用户行为数据需要更高效更科学的分析技术帮助图书馆提升个性化服务水平和质量,同时日益普及的校园物联网系统需要更加积极的网络安全防范措施,主动检测出网络不可信的异常行为并反馈警告用户,提升安全意识。针对上述需求,本文在国内外权威数据库输入用户行为分析等关键词查找相关文献,根据文献分析法综合比较剔除筛选出55篇核心技术文献进行细读研究,梳理了技术发展历程,明确了用户行为个性分析和可信性分析的核心技术和方法并做了重点拓展性研究,根据文献研究成果结合图书馆当前实际发展的需要,探究出一套基于传统数据挖掘和分类学习的用户行为大数据分析模型,该模型将用户个性分析和异常行为的检测高度有机结合能有效解决上述两大难题。

关 键 词：数据挖掘 监督学习  用户画像  支持向量机

分 类 号：TP393.02]