CN111667171A - 基于大数据的群体阅读行为分析方法、装置、设备及介质 - Google Patents
基于大数据的群体阅读行为分析方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111667171A CN111667171A CN202010499846.XA CN202010499846A CN111667171A CN 111667171 A CN111667171 A CN 111667171A CN 202010499846 A CN202010499846 A CN 202010499846A CN 111667171 A CN111667171 A CN 111667171A
- Authority
- CN
- China
- Prior art keywords
- data
- reading
- reader
- behavior
- behavior analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 238
- 230000006399 behavior Effects 0.000 claims description 242
- 238000004080 punching Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000005206 flow analysis Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 15
- 238000000034 method Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 7
- 238000013499 data model Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/20—Individual registration on entry or exit involving the use of a pass
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/20—Individual registration on entry or exit involving the use of a pass
- G07C9/29—Individual registration on entry or exit involving the use of a pass the pass containing active electronic elements, e.g. smartcards
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及阅读行为分析的技术领域，尤其是涉及一种基于大数据的群体阅读行为分析方法、装置、设备及介质，基于大数据的群体阅读行为分析方法包括以下步骤：S10：获取行为分析纬度信息，根据所述行为分析纬度信息生成对应的阅读行为获取请求；S20：根据所述阅读行为获取请求，获取对应的读者行为数据，其中，所述读者行为数据包括图书馆人流数据、借还书记录以及读者阅读数据；S30：获取行为分析类型，对每一所述行为分析类型关联对应的所述读者行为数据，得到待分析数据集；S40：根据所述行为分析类型，对每个所述待分析数据集进行分析，得到群体阅读行为分析结果。本发明具有够有效对图书馆中的群众产生的行为数据进行挖掘分析，从而有利于提升对图书馆的管理的效果。
Description
技术领域
本发明涉及阅读行为分析的技术领域，尤其是涉及一种基于大数据的群体阅读行为分析方法、装置、设备及介质。
背景技术
目前，图书馆是搜集、整理、收藏图书资料以供人阅览、参考的机构，早在公元前3000年就出现了图书馆，图书馆有保存人类文化遗产、开发信息资源、参与社会教育等职能，其中，图书馆包含公共图书馆、学校图书馆、员工阅览室以及社区图书馆等。
现有的每个学校或者教育机构中，例如大学、中学以及小学等地方，会建立图书馆，供学生借阅书籍以及学习。同时，在图书馆的管理，尤其是对于校园的图书馆管理，通常是图书馆的进出馆人数和借还书的数量进行馆情展示，通过展示进出馆人数和借还书的数量，对图书馆进行相关地管理。
上述中的现有技术方案存在以下缺陷：由于在对图书馆，尤其是校园内的图书馆的管理方面，采用的管理方法也是通过对基础的数据进行统计方法，因此图书馆关注的点比较单一，无法形成有效的数据挖掘，指导图书馆业务的开展。
发明内容
本发明的目的是提供一种能够有效对图书馆中的群众产生的行为数据进行挖掘分析，从而有利于提升对图书馆的管理的基于大数据的群体阅读行为分析方法、装置、设备及介质。
本发明的上述发明目的一是通过以下技术方案得以实现的：
一种基于大数据的群体阅读行为分析方法，所述基于大数据的群体阅读行为分析方法包括以下步骤：
S10：获取行为分析纬度信息，根据所述行为分析纬度信息生成对应的阅读行为获取请求；
S20：根据所述阅读行为获取请求，获取对应的读者行为数据，其中，所述读者行为数据包括图书馆人流数据、借还书记录以及读者阅读数据；
S30：获取行为分析类型，对每一所述行为分析类型关联对应的所述读者行为数据，得到待分析数据集；
S40：根据所述行为分析类型，对每个所述待分析数据集进行分析，得到群体阅读行为分析结果。
通过采用上述技术方案，通过多维度获取图书馆的信息，进而有助于建立关于图书馆管理的大数据平台；在需要进行阅读行为分析时，通过根据阅读行为获取请求获取得到的读者行为数据进行分析，能够对建立得到的图书馆管理的大数据平台进行深度挖掘，从而在得到群体阅读行为分析结果后，能够清楚获取到每位读者的关注点和兴趣点，也有助于推送相关的图书咨询给到读者，图书馆根据读者的喜好做采购计划的调整；同时，在学校中也能够通过根据学生的群体阅读行为分析结果，获取到学生阅读的情况，有助于对学生阅读方面的管理。
本发明在一较佳示例中可以进一步配置为：步骤S20包括：
S21：获取读书证刷卡记录、安全门进出数据和办理读者证数据，将所述读书证刷卡记录、所述安全门进出数据作和所述办理读者证数据为所述图书馆人流数据；
S22：获取阅读者读书打卡记录和阅读评分数据，将所述阅读者读书打卡记录和阅读评分数据作为所述读者阅读数据。
通过采用上述技术方案，通过获取读书证刷卡记录和安全门进出数据，有助于在图书馆人流数据中分析出刷卡进馆的人数和实际进出馆的人数，从而有助于分析出进入持有读书证进入图书馆和跟随持有读书证进入图书馆内的人员数量；通过获取阅读者读书打卡记录和阅读评分数据，有助于获取到读者，尤其是学校中的学生的阅读质量。
本发明在一较佳示例中可以进一步配置为：步骤S30包括：
S31：若获取到图书馆分析请求，则从所述图书馆分析请求中获取所述行为分析类型；
S32：根据所述行为分析类型从所述读者行为数据中获取对应的待分类数据，将所述待分类数据与所述行为分析类型进行关联后存储至对应的数据库中，得到所述待分析数据集。
通过采用上述技术方案，通过针对行为分析类型，获取对应的待分类数据，能够使得行为分析的结果更精确。
本发明在一较佳示例中可以进一步配置为：步骤S40包括：
S41：获取所述行为分析类型的分析类型数量；
S42：根据所述分析类型数量逐一对所述待分析数据集进行分析，得到所述群体阅读行为分析结果。
通过采用上述技术方案，通过根据分析类型数量逐一分析群体阅读行为分析结果，能够使得阅读分析更有条理，有助于提升群体阅读行为分析结果的准确性。
本发明在一较佳示例中可以进一步配置为：所述群体阅读行为分析结果包括客流分析结果、图书借阅分析结果以及个人阅读质量分析结果，步骤S42包括：
S421：根据所述读书证刷卡记录和所述安全门进出数据获取进出馆时间数据，根据办理读书证数据获取读者属性数据，将所述进出馆时间数据和所述读者属性数据作为所述客流分析结果；
S422：从所述借还书记录中获取图书属性，根据所述图书属性生成所述图书借阅分析结果；
S423：获取预设的读者评分模型，将所述阅读者读书打卡记录和阅读评分数据作输入至所述读者评分模型，通过所述读者评分模型计算所述个人阅读质量分析结果。
通过采用上述技术方案，通过从图书和读者两个维度来对数据展开分析，对图书维度的分析可以为图书馆的采购政策提供决策依据，提高图书采购效率，降低采购成本；对读者维度的分析可以为读者提供个性化图书推荐服务，从而提高图书借阅率和读者满意度，最终增强读者对于图书馆的粘性，极大地提高读者的阅读积极性；通过数据分析可以了解整个图书馆的运营状况，馆藏、读者、服务、设备等各项工作的数量指标和质量指标，为图书馆决策、规划、制度制定提供科学依据，更好地为读者服务。
本发明的上述发明目的二是通过以下技术方案得以实现的：
一种基于大数据的群体阅读行为分析装置，所述基于大数据的群体阅读行为分析装置包括：
请求获取模块，用于获取行为分析纬度信息，根据所述行为分析纬度信息生成对应的阅读行为获取请求；
数据提取模块，用于根据所述阅读行为获取请求，获取对应的读者行为数据，其中，所述读者行为数据包括图书馆人流数据、借还书记录以及读者阅读数据；
关联分类模块，用于获取行为分析类型，对每一所述行为分析类型关联对应的所述读者行为数据，得到待分析数据集；
数据分析模块，用于根据所述行为分析类型，对每个所述待分析数据集进行分析，得到群体阅读行为分析结果。
通过采用上述技术方案，通过多维度获取图书馆的信息，进而有助于建立关于图书馆管理的大数据平台；在需要进行阅读行为分析时，通过根据阅读行为获取请求获取得到的读者行为数据进行分析，能够对建立得到的图书馆管理的大数据平台进行深度挖掘，从而在得到群体阅读行为分析结果后，能够清楚获取到每位读者的关注点和兴趣点，也有助于推送相关的图书咨询给到读者，图书馆根据读者的喜好做采购计划的调整；同时，在学校中也能够通过根据学生的群体阅读行为分析结果，获取到学生阅读的情况，有助于对学生阅读方面的管理。
本发明的上述发明目的三是通过以下技术方案得以实现的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于大数据的群体阅读行为分析方法的步骤。
本发明的上述发明目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于大数据的群体阅读行为分析方法的步骤。
综上所述，本发明包括以下至少一种有益技术效果：
1、在需要进行阅读行为分析时，通过根据阅读行为获取请求获取得到的读者行为数据进行分析，能够对建立得到的图书馆管理的大数据平台进行深度挖掘，从而在得到群体阅读行为分析结果后，能够清楚获取到每位读者的关注点和兴趣点，也有助于推送相关的图书咨询给到读者，图书馆根据读者的喜好做采购计划的调整；
2、在学校中也能够通过根据学生的群体阅读行为分析结果，获取到学生阅读的情况，有助于对学生阅读方面的管理；
3、通过从图书和读者两个维度来对数据展开分析，对图书维度的分析可以为图书馆的采购政策提供决策依据，提高图书采购效率，降低采购成本；对读者维度的分析可以为读者提供个性化图书推荐服务，从而提高图书借阅率和读者满意度，最终增强读者对于图书馆的粘性，极大地提高读者的阅读积极性；通过数据分析可以了解整个图书馆的运营状况，馆藏、读者、服务、设备等各项工作的数量指标和质量指标，为图书馆决策、规划、制度制定提供科学依据，更好地为读者服务。
附图说明
图1是本发明一实施例中基于大数据的群体阅读行为分析方法的一流程图；
图2是本发明一实施例中基于大数据的群体阅读行为分析方法中步骤S20的实现流程图；
图3是本发明一实施例中基于大数据的群体阅读行为分析方法中步骤S30的实现流程图；
图4是本发明一实施例中基于大数据的群体阅读行为分析方法中步骤S40的实现流程图；
图5是本发明一实施例中基于大数据的群体阅读行为分析方法中步骤S42的实现流程图；
图6是本发明一实施例中基于大数据的群体阅读行为分析装置的一原理框图；
图7是本发明一实施例中计算机设备的一示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例一：
在一实施例中，如图1所示，本发明公开了一种基于大数据的群体阅读行为分析方法，具体包括如下步骤：
S10：获取行为分析纬度信息，根据行为分析纬度信息生成对应的阅读行为获取请求。
在本实施例中，行为分析纬度信息是指在图书馆管理中获取的数据的种类。阅读行为获取请求是指用于获取读者阅读的行为产生的数据的消息。
具体地，可根据实际需要，设置该行为分析纬度信息，例如图书馆的客流数据、图书借还数据、办理读者证数据、馆藏图书分类信息、阅读打卡数据、书评或阅读心得以及测评数据等数据。
进一步地，在设置好该行为分析纬度信息后，生成该阅读行为获取请求，用于获取读者的阅读行为的数据。
S20：根据阅读行为获取请求，获取对应的读者行为数据，其中，读者行为数据包括图书馆人流数据、借还书记录以及读者阅读数据。
在本实施例中，读者行为数据是指读者在图书馆中阅读的行为的数据。
具体地，通过在图书馆安装部署相关的设备即系统，例如门禁刷卡设备、RFID安全检测门、自助借还设备、自助办证设备、阅读评价系统以及图书馆管理系统等软硬件系统，获取该读者行为数据。例如，通过门禁卡刷卡设备，读取读者刷读书证或借书证进入图书馆的数据，通过RFID安全检测门获取实际进出图书馆的人员情况，通过自主借还设备获取借还书记录以及童工阅读评价系统获取读者阅读数据等。
S30：获取行为分析类型，对每一行为分析类型关联对应的读者行为数据，得到待分析数据集。
在本实施例中，行为分析类型是指分析读者阅读时的行为的类型。待分析数据集是指用于分析读者阅读的行为的数据集合。
具体地，通过设置对应的行为分析类型，例如分析图书馆的客流量的情况、图书馆中图书的借阅情况以及读者阅读书籍，根据不同的行为分析类型，从读者行为数据中获取对应的数据，并将获取得到的数据按照不同的行为分析类型进行分类存储后，使用对应的行为分析类型对应的字符或者字符串进行标记，完成与对应的行为分析类型的关联，得到对应的待分析数据集。即不同的行为分析类型，获取不同纬度的读者行为数据，且不同的行为分析类型之间的读者行为数据可以完全不相同，也可以存在部分重叠，具体获取情况可以根据实际需要进行分析的类型进行设置。
S40：根据行为分析类型，对每个待分析数据集进行分析，得到群体阅读行为分析结果。
在本实施例中，群体阅读行为分析结果是指对读者的行为的进行分析后得到的结果。
具体地，根据该行为分析类型，对每个对应的待分析数据集进行针对性的分析，进而得到对应的群体阅读行为分析结果。
优选地，在对待分析数据集进行分析时，可以对采集得到的数据进行修复以及清理，将采集得到的数据中的无关数据、重复数据以及平滑噪声数据，同时，筛选掉与图书和读者无关的数据、处理缺失值和异常值等数据。
进一步地，在分析得到群体阅读行为分析结果时，可以按照对图书馆内的图书的数据，例如图书的名称、种类、作者以及年代等跟图书分类相关的数据，以及对读者的个人的数据，例如读者的个人属性的数据，以及读者个人的借还书数据进行分组，对分组的数据进行统计量的计算、统计图形的绘制、数据取值的转换、数据的正态化处理等处理，便于后续对图书馆管理的大数据平台的分析。
进一步地，在得到群体阅读分析结果时，有助于得到整个图书馆的运营状况，包括图书馆的馆藏、读者、服务、设备等各项工作的数量指标和质量指标，并生成进出馆人数统计表、图书借还统计表、办证统计表、图书分类统计表、个人阅读统计表以及读者的阅读行为趋势等。
综上，在本实施例中，通过多维度获取图书馆的信息，进而有助于建立关于图书馆管理的大数据平台；在需要进行阅读行为分析时，通过根据阅读行为获取请求获取得到的读者行为数据进行分析，能够对建立得到的图书馆管理的大数据平台进行深度挖掘，从而在得到群体阅读行为分析结果后，能够清楚获取到每位读者的关注点和兴趣点，也有助于推送相关的图书咨询给到读者，图书馆根据读者的喜好做采购计划的调整。同时，也可以在学校的场景中，能够通过学生的群体阅读行为分析结果，获取到学生阅读质量的情况，从而能够根据学生阅读的质量情况，对学生的阅读行为进行管理。
在一实施例中，如图2所示，在步骤S20中，即根据阅读行为获取请求，获取对应的读者行为数据，具体包括如下步骤：
S21：获取读书证刷卡记录、安全门进出数据和办理读者证数据，将读书证刷卡记录、安全门进出数据作和办理读者证数据为图书馆人流数据。
在本实施例中，读书证刷卡记录是指每个读者使用个人的读书证进入图书馆时记录的数据。安全门进出数据是指读者通过图书馆的安全门时，图书馆的安全门检测得到的数据。办理读书证数据是指群众在图书馆中办理读书证的记录。
具体地，通过安装于图书馆的门禁卡刷卡设备获取该读书证刷卡记录，通过图书馆的RFID安全门获取安全门进出数据，以及通过图书馆的自助办证设备以及人工办证的系统获取该办理读书证数据。其中，在办理读书证数据中，包括有读者的姓名、性别、年龄、职业以及兴趣爱好等数据的其中一个或多个，便于后续的统计分析。
进一步地，将读书证刷卡记录、安全门进出数据作和办理读者证数据为图书馆人流数据。
S22：获取阅读者读书打卡记录和阅读评分数据，将阅读者读书打卡记录和阅读评分数据作为读者阅读数据。
在本实施例中，阅读者读书打卡记录是指读者读书时打卡的记录。阅读评分数据是指评价读者阅读书籍的质量的情况的数据。
具体地，在每本图书中加入对应的可识别标签，例如RFID标签或者是二维码标签等，且每一本书的RFID标签或者二维码标签均与对应的图书关联，同时，在读者的移动终端中安装对应的读书评价系统，在读者每次读书时，通过扫描该标签，在读书评价系统填写个人在本次阅读的进度的情况。在通过该阅读的进度的情况获取到读者完成对该本图书的阅读时，在读书评价系统中生成与完成阅读的读书对应的答题题目，例如选择题或填空题，在获取到读者上传的答题情况后，对该答题情况进行评分，将评分作为阅读评分数据。
优选地，若在学校的场景中，该答题题目还可以包括主观题，将学生作答的主观题的答题结果发送至对应的教师的终端。
进一步地，将阅读者读书打卡记录和阅读评分数据作为读者阅读数据。
在一实施例中，如图3所示，在步骤S30中，即获取行为分析类型，对每一行为分析类型关联对应的读者行为数据，得到待分析数据集，具体包括如下步骤：
S31：若获取到图书馆分析请求，则从图书馆分析请求中获取行为分析类型。
在本实施例中，图书馆分析请求是指具体需要对图书馆管理的大数据平台中的数据进行针对性的分析的请求。
具体地，在图书馆的管理人员，或者是学校的教师等，根据实际需要分析的情况，触发对应的图书馆分析请求，并从该图书馆分析请求中获取对应的行为分析类型。例如，触发的图书馆分析请求为分析图书馆的人流情况，则对应的行为分析类型为上述的图书馆的客流量的情况。
S32：根据行为分析类型从读者行为数据中获取对应的待分类数据，将待分类数据与行为分析类型进行关联后存储至对应的数据库中，得到待分析数据集。
在本实施例中，待分类数据是指与行为分析类型对应的读者行为数据。
具体地，在得到该行为分析类型后，根据该行为分析类型所需要的数据纬度，从建立的图书馆管理的大数据平台存储的读者行为数据中提取对应的待分类数据。
进一步地，在待分类数据提取完成后，存储至一数据库中，并与对应的行为分析类型进行关联后，将该数据库中的数据作为待分析数据集。
在一实施例中，如图4所示，在步骤S40中，即根据行为分析类型，对每个待分析数据集进行分析，得到群体阅读行为分析结果，具体包括如下步骤：
S41：获取行为分析类型的分析类型数量。
在本实施例中，分析类型数量是指同时进行行为分析时，行为分析类型的数量。
具体地，可以通过设置对应的时间周期，例如一天，一周或者一个季度等，在该时间周期内，统计该分析类型数量。
S42：根据分析类型数量逐一对待分析数据集进行分析，得到群体阅读行为分析结果。
具体地，按照该分析类型数量，设置分析的节点，根据该节点，逐一对待分析数据集进行对应的分析，得到该体阅读行为分析结果。
优选地，对读者的个人属性，例如读者的年龄、职业、学历、阅读时间、所在的位置多维度，通过分类算法、预测算法、回归分析、聚类分析等进行数据建模，并在得到数据模型后，可以通过实时获取读者在图书馆的行为产生的数据，以及实际产生的行为，将产生的数据作为测试数据，实际产生的行为作为比对数据，将测试数据输入至对应的数据模型中，将得到的结果与比对数据进行比对，用于校验该数据模型分析预测读者行为的准确性，并根据比对的结果，对该数据模型进行循环测试，并根据测试结果对该数据模型进行迭代优化，使得该数据模型能够探索并验证读者的阅读行为，有助于提升对区域的图书馆的读者的管理，也有助于根据读者的具体行为的预测和分析，提升对图书馆的经营管理效果。
在一实施例中，群体阅读行为分析结果包括客流分析结果、图书借阅分析结果以及个人阅读质量分析结果，如图5所示，在步骤S42中，即对待分析数据集进行分析，得到群体阅读行为分析结果，具体包括如下步骤：
S421：根据读书证刷卡记录和安全门进出数据获取进出馆时间数据，根据办理读书证数据获取读者属性数据，将进出馆时间数据和读者属性数据作为客流分析结果。
在本实施例中，进出馆时间数据是指读者进出图书馆的时间的数据。读者属性数据是指每张读书证所属的读者的个人属性的数据。
具体地，通过在每次获取到读书证刷卡记录和安全门进出数据时，记录当前时间，并将该当前时间，通过在步骤S41中提及的时间周期内，统计出所有的进出馆时间，得到图书馆的高峰期和低峰期。通过获取步骤S21中的办理读书证数据，即每个的姓名、性别、年龄、职业以及兴趣爱好等数据，统计出办理图书证的读者的年龄分布、职业分布以及兴趣爱好分布等数据，便于图书馆管理者针对该数据，管理馆藏的图书，可以有助于向读者提供更符合读者年龄以及职业等属性数据的图书。
进一步地，将进出馆时间数据和读者属性数据作为客流分析结果。
S422：从借还书记录中获取图书属性，根据图书属性生成图书借阅分析结果。
在本实施例中，图书属性是指图书馆中每一本书的属性。
具体地，在每一次获取到借还书记录时，从该借还书记录中获取被借阅的图书的图书属性，进而在步骤S41中的时间周期内或其他时间周期内，统计出该图书馆被借阅的图书的图书属性，用于分析出该图书馆的读者的兴趣，便于及时调整图书馆内的图书。
S423：获取预设的读者评分模型，将阅读者读书打卡记录和阅读评分数据作输入至读者评分模型，通过读者评分模型计算个人阅读质量分析结果。
在本实施例中，读者评分模型是指用于评价读者的读书质量的模型。
具体地，在设置该读者评分模型时，尤其是针对学校的应用场景，可以是在假期或者平日的学习时间内，向学生发送对应的读书任务，在该读书任务中可以对不同图书属性设置对应的权重，例如对于理工科的学生，对于本领域的图书设置最高的权重，对于文学类的图书或者其他漫画杂志类的图书设置另一权重，并从学生触发的阅读者打卡记录中获取学生阅览的图书的图书属性，以及每种图书属性的数量，通过该读者评分模型获取该名学生所阅览的图书的个图书属性的权重比，并结合对应的阅读评分数据，得到该个人阅读质量分析结果。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
实施例二：
在一实施例中，提供一种基于大数据的群体阅读行为分析装置，该基于大数据的群体阅读行为分析装置与上述实施例中基于大数据的群体阅读行为分析方法一一对应。如图6所示，该基于大数据的群体阅读行为分析装置包括请求获取模块10、数据提取模块20、关联分类模块30和数据分析模块40。各功能模块详细说明如下：
请求获取模块10，用于获取行为分析纬度信息，根据行为分析纬度信息生成对应的阅读行为获取请求；
数据提取模块20，用于根据阅读行为获取请求，获取对应的读者行为数据，其中，读者行为数据包括图书馆人流数据、借还书记录以及读者阅读数据；
关联分类模块30，用于获取行为分析类型，对每一行为分析类型关联对应的读者行为数据，得到待分析数据集；
数据分析模块40，用于根据行为分析类型，对每个待分析数据集进行分析，得到群体阅读行为分析结果。
优选地，数据提取模块20包括：
人员内数据获取子模块21，用于获取读书证刷卡记录、安全门进出数据和办理读者证数据，将读书证刷卡记录、安全门进出数据作和办理读者证数据为图书馆人流数据；
阅读数据获取子模块22，用于获取阅读者读书打卡记录和阅读评分数据，将阅读者读书打卡记录和阅读评分数据作为读者阅读数据。
优选地，关联分类模块30包括：
请求获取子模块31，用于若获取到图书馆分析请求，则从图书馆分析请求中获取行为分析类型；
关联分类子模块32，用于根据行为分析类型从读者行为数据中获取对应的待分类数据，将待分类数据与行为分析类型进行关联后存储至对应的数据库中，得到待分析数据集。
优选地，数据分析模块40包括：
数量获取子模块41，用于获取行为分析类型的分析类型数量；
分析子模块42，用于根据分析类型数量逐一对待分析数据集进行分析，得到群体阅读行为分析结果。
优选地，群体阅读行为分析结果包括客流分析结果、图书借阅分析结果以及个人阅读质量分析结果，分析子模块42包括：
客流分析单元421，用于根据读书证刷卡记录和安全门进出数据获取进出馆时间数据，根据办理读书证数据获取读者属性数据，将进出馆时间数据和读者属性数据作为客流分析结果；
图书借阅分析单元422，用于从借还书记录中获取图书属性，根据图书属性生成图书借阅分析结果；
阅读质量分析单元423，用于获取预设的读者评分模型，将阅读者读书打卡记录和阅读评分数据作输入至读者评分模型，通过读者评分模型计算个人阅读质量分析结果。
关于基于大数据的群体阅读行为分析装置的具体限定可以参见上文中对于基于大数据的群体阅读行为分析方法的限定，在此不再赘述。上述基于大数据的群体阅读行为分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
实施例三：
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储读者行为数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于大数据的群体阅读行为分析方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
S10：获取行为分析纬度信息，根据行为分析纬度信息生成对应的阅读行为获取请求；
S20：根据阅读行为获取请求，获取对应的读者行为数据，其中，读者行为数据包括图书馆人流数据、借还书记录以及读者阅读数据；
S30：获取行为分析类型，对每一行为分析类型关联对应的读者行为数据，得到待分析数据集；
S40：根据行为分析类型，对每个待分析数据集进行分析，得到群体阅读行为分析结果。
实施例四：
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
S10：获取行为分析纬度信息，根据行为分析纬度信息生成对应的阅读行为获取请求；
S20：根据阅读行为获取请求，获取对应的读者行为数据，其中，读者行为数据包括图书馆人流数据、借还书记录以及读者阅读数据；
S30：获取行为分析类型，对每一行为分析类型关联对应的读者行为数据，得到待分析数据集；
S40：根据行为分析类型，对每个待分析数据集进行分析，得到群体阅读行为分析结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的群体阅读行为分析方法，其特征在于，所述基于大数据的群体阅读行为分析方法包括以下步骤：
S10：获取行为分析纬度信息，根据所述行为分析纬度信息生成对应的阅读行为获取请求；
S20：根据所述阅读行为获取请求，获取对应的读者行为数据，其中，所述读者行为数据包括图书馆人流数据、借还书记录以及读者阅读数据；
S30：获取行为分析类型，对每一所述行为分析类型关联对应的所述读者行为数据，得到待分析数据集；
S40：根据所述行为分析类型，对每个所述待分析数据集进行分析，得到群体阅读行为分析结果。
2.根据权利要求1所述的基于大数据的群体阅读行为分析方法，其特征在于，步骤S20包括：
S21：获取读书证刷卡记录、安全门进出数据和办理读者证数据，将所述读书证刷卡记录、所述安全门进出数据作和所述办理读者证数据为所述图书馆人流数据；
S22：获取阅读者读书打卡记录和阅读评分数据，将所述阅读者读书打卡记录和阅读评分数据作为所述读者阅读数据。
3.根据权利要求1所述的基于大数据的群体阅读行为分析方法，其特征在于，步骤S30包括：
S31：若获取到图书馆分析请求，则从所述图书馆分析请求中获取所述行为分析类型；
S32：根据所述行为分析类型从所述读者行为数据中获取对应的待分类数据，将所述待分类数据与所述行为分析类型进行关联后存储至对应的数据库中，得到所述待分析数据集。
4.根据权利要求1所述的基于大数据的群体阅读行为分析方法，其特征在于，步骤S40包括：
S41：获取所述行为分析类型的分析类型数量；
S42：根据所述分析类型数量逐一对所述待分析数据集进行分析，得到所述群体阅读行为分析结果。
5.根据权利要求4所述的基于大数据的群体阅读行为分析方法，其特征在于，所述群体阅读行为分析结果包括客流分析结果、图书借阅分析结果以及个人阅读质量分析结果，步骤S42包括：
S421：根据所述读书证刷卡记录和所述安全门进出数据获取进出馆时间数据，根据办理读书证数据获取读者属性数据，将所述进出馆时间数据和所述读者属性数据作为所述客流分析结果；
S422：从所述借还书记录中获取图书属性，根据所述图书属性生成所述图书借阅分析结果；
S423：获取预设的读者评分模型，将所述阅读者读书打卡记录和阅读评分数据作输入至所述读者评分模型，通过所述读者评分模型计算所述个人阅读质量分析结果。
6.一种基于大数据的群体阅读行为分析装置，其特征在于，所述基于大数据的群体阅读行为分析装置包括：
请求获取模块，用于获取行为分析纬度信息，根据所述行为分析纬度信息生成对应的阅读行为获取请求；
数据提取模块，用于根据所述阅读行为获取请求，获取对应的读者行为数据，其中，所述读者行为数据包括图书馆人流数据、借还书记录以及读者阅读数据；
关联分类模块，用于获取行为分析类型，对每一所述行为分析类型关联对应的所述读者行为数据，得到待分析数据集；
数据分析模块，用于根据所述行为分析类型，对每个所述待分析数据集进行分析，得到群体阅读行为分析结果。
7.根据权利要求6所述的基于大数据的群体阅读行为分析装置，其特征在于，所述数据提取模块包括：
人员内数据获取子模块，用于获取读书证刷卡记录、安全门进出数据和办理读者证数据，将所述读书证刷卡记录、所述安全门进出数据作和所述办理读者证数据为所述图书馆人流数据；
阅读数据获取子模块，用于获取阅读者读书打卡记录和阅读评分数据，将所述阅读者读书打卡记录和阅读评分数据作为所述读者阅读数据。
8.根据权利要求6所述的基于大数据的群体阅读行为分析装置，其特征在于，所述关联分类模块包括：
请求获取子模块，用于若获取到图书馆分析请求，则从所述图书馆分析请求中获取所述行为分析类型；
关联分类子模块，用于根据所述行为分析类型从所述读者行为数据中获取对应的待分类数据，将所述待分类数据与所述行为分析类型进行关联后存储至对应的数据库中，得到所述待分析数据集。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于大数据的群体阅读行为分析方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于大数据的群体阅读行为分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010499846.XA CN111667171A (zh) | 2020-06-04 | 2020-06-04 | 基于大数据的群体阅读行为分析方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010499846.XA CN111667171A (zh) | 2020-06-04 | 2020-06-04 | 基于大数据的群体阅读行为分析方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111667171A true CN111667171A (zh) | 2020-09-15 |
Family
ID=72385947
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010499846.XA Pending CN111667171A (zh) | 2020-06-04 | 2020-06-04 | 基于大数据的群体阅读行为分析方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111667171A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113223224A (zh) * | 2021-05-12 | 2021-08-06 | 支付宝(杭州)信息技术有限公司 | 通行处理方法及装置 |
| CN114818921A (zh) * | 2022-04-26 | 2022-07-29 | 北京思源智通科技有限责任公司 | 一种多维度图书分级方法、系统、可读介质及设备 |
| CN117540101A (zh) * | 2023-12-04 | 2024-02-09 | 深圳市二一教育科技有限责任公司 | 一种基于人工智能的在线书城管理方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110223454A (zh) * | 2019-04-29 | 2019-09-10 | 华北水利水电大学 | 一种基于大数据平台的智能图书馆及其控制方法 |
| CN110414745A (zh) * | 2019-08-07 | 2019-11-05 | 江苏畅想之星信息技术有限公司 | 基于云计算的图书馆大数据分析和决策支持平台 |
| CN110489633A (zh) * | 2019-08-22 | 2019-11-22 | 广州图创计算机软件开发有限公司 | 一种基于图书馆数据的智慧大脑服务平台 |
| CN110619084A (zh) * | 2019-08-29 | 2019-12-27 | 西安工程大学 | 一种根据图书馆读者借阅行为进行图书推荐的方法 |
-
2020
- 2020-06-04 CN CN202010499846.XA patent/CN111667171A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110223454A (zh) * | 2019-04-29 | 2019-09-10 | 华北水利水电大学 | 一种基于大数据平台的智能图书馆及其控制方法 |
| CN110414745A (zh) * | 2019-08-07 | 2019-11-05 | 江苏畅想之星信息技术有限公司 | 基于云计算的图书馆大数据分析和决策支持平台 |
| CN110489633A (zh) * | 2019-08-22 | 2019-11-22 | 广州图创计算机软件开发有限公司 | 一种基于图书馆数据的智慧大脑服务平台 |
| CN110619084A (zh) * | 2019-08-29 | 2019-12-27 | 西安工程大学 | 一种根据图书馆读者借阅行为进行图书推荐的方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113223224A (zh) * | 2021-05-12 | 2021-08-06 | 支付宝(杭州)信息技术有限公司 | 通行处理方法及装置 |
| CN113223224B (zh) * | 2021-05-12 | 2023-10-24 | 支付宝(杭州)信息技术有限公司 | 通行处理方法及装置 |
| CN114818921A (zh) * | 2022-04-26 | 2022-07-29 | 北京思源智通科技有限责任公司 | 一种多维度图书分级方法、系统、可读介质及设备 |
| CN117540101A (zh) * | 2023-12-04 | 2024-02-09 | 深圳市二一教育科技有限责任公司 | 一种基于人工智能的在线书城管理方法及系统 |
| CN117540101B (zh) * | 2023-12-04 | 2024-06-04 | 深圳市二一教育科技有限责任公司 | 一种基于人工智能的在线书城管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Drechsler | Synthetic datasets for statistical disclosure control: theory and implementation | |
| CN111667171A (zh) | 基于大数据的群体阅读行为分析方法、装置、设备及介质 | |
| CN111444952A (zh) | 样本识别模型的生成方法、装置、计算机设备和存储介质 | |
| Wang et al. | Measuring individuals' valuation distributions using a stochastic payment card approach | |
| CN111353921A (zh) | 一种考试管理方法及系统、电子设备 | |
| CN109509087A (zh) | 智能化的贷款审核方法、装置、设备及介质 | |
| AU2012204061B2 (en) | Methods and systems for object based data management | |
| CN111192153A (zh) | 人群关系网络构建方法、装置、计算机设备和存储介质 | |
| CN109063116A (zh) | 数据识别方法、装置、电子设备及计算机可读存储介质 | |
| CN108304539A (zh) | 人才数据库建立方法、装置及存储介质 | |
| CN112417315A (zh) | 基于网站注册的用户画像生成方法、装置、设备和介质 | |
| CN113343106A (zh) | 学生智能推荐方法及系统 | |
| Steyn et al. | Rationale and design of a complex intervention measuring the impact and processes of social accountability applied to contraceptive programming: CaPSAI project | |
| Obasi et al. | A Novel Web-Based Student Academic Records Information System | |
| Correia | Using Structural Equation Modelling and Clustering to Research Users’ and Employees’ views of the Portuguese Ministry of Justice | |
| CN111160929A (zh) | 一种客户类型的确定方法及装置 | |
| CN111652767B (zh) | 用户画像构建方法、装置、计算机设备和存储介质 | |
| Waters et al. | Zimbabwe’s Human Resources for Health Information System (ZHRIS)—an assessment in the context of establishing a global standard | |
| Ros et al. | Analyzing content structure and Moodle milestone to classify student learning behavior in a basic desktop tools course | |
| CN114693028A (zh) | 一种基于案件事实要素分析工作量绩效的方法及装置 | |
| Šošević et al. | Support platform for learning about multimodal biometrics | |
| CN117992925B (zh) | 基于多源异构数据和多模态数据的风险预测方法及装置 | |
| CN113436712B (zh) | 一种用于智慧医疗云服务平台的评价管理系统 | |
| Tiron-Tudor et al. | Are HEIs’ Intellectual Capital Disclosures Consistent with the Sustainability Integrated Reporting Trend? | |
| CN112836765B (zh) | 分布式学习的数据处理方法、装置、电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200915 |