亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于數(shù)據(jù)挖掘的中小學(xué)圖書館管理分析

        2016-09-06 10:43:02龍懿田馨代倩
        中國教育技術(shù)裝備 2016年13期
        關(guān)鍵詞:主城區(qū)借書類別

        ◆龍懿 田馨 代倩

        基于數(shù)據(jù)挖掘的中小學(xué)圖書館管理分析

        ◆龍懿田馨代倩

        近年來,各地中小學(xué)圖書館信息化管理發(fā)展迅速?;诮逃畔⒒尘埃褂脭?shù)據(jù)挖掘方法,采用聚類分析、關(guān)聯(lián)規(guī)則兩種算法對(duì)真實(shí)數(shù)據(jù)進(jìn)行探索,從而為圖書館管理提供科學(xué)依據(jù)、為資源的有效配置提供借鑒。

        數(shù)據(jù)挖掘;中小學(xué)圖書館;圖書館信息化

        10.3969/j.issn.1671-489X.2016.13.076

        1 前言

        數(shù)據(jù)挖掘也稱數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)(KDD,Knowledge Discovery in Database)[1],于1989年被正式提出,之后伴隨著信息化的迅速發(fā)展,數(shù)據(jù)挖掘作為一門綜合學(xué)科的技術(shù)知識(shí),也獲得快速發(fā)展。簡單地說,數(shù)據(jù)挖掘就是通過對(duì)數(shù)據(jù)的各種分析,得出有用的信息。然而它又不同于傳統(tǒng)的統(tǒng)計(jì)分析。傳統(tǒng)的統(tǒng)計(jì)分析是對(duì)數(shù)據(jù)進(jìn)行帶有某種目的的處理分析,數(shù)據(jù)挖掘是對(duì)數(shù)據(jù)進(jìn)行綜合處理,發(fā)現(xiàn)其中未知的、隱含的知識(shí)。這是一種新的分析處理手段,也是目前大數(shù)據(jù)處理中流行的分析方法,結(jié)果往往會(huì)超出傳統(tǒng)認(rèn)知,從而發(fā)現(xiàn)新的知識(shí)。其經(jīng)典案例有通過對(duì)美國超市銷售數(shù)據(jù)的分析,發(fā)現(xiàn)每周五晚上買啤酒的男士通常會(huì)購買尿不濕這一現(xiàn)象,之后營銷學(xué)和市場(chǎng)學(xué)再對(duì)這一結(jié)果進(jìn)行原因分析和營銷戰(zhàn)略分析。這種分析方式在信息化迅速發(fā)展的背景下,應(yīng)用領(lǐng)域廣泛,零售業(yè)、金融業(yè)、醫(yī)療教育行業(yè)等。

        目前,國內(nèi)外已經(jīng)有大量的文獻(xiàn)研究將數(shù)據(jù)挖掘技術(shù)應(yīng)用于圖書管理,其中大多數(shù)以某個(gè)學(xué)校、某個(gè)圖書館或者某個(gè)連鎖書店為分析對(duì)象,還有一些研究立足于圖書閱讀與學(xué)生綜合素質(zhì)之間的關(guān)聯(lián)分析。本文以一個(gè)省級(jí)圖書管理平臺(tái)為分析對(duì)象,采用數(shù)據(jù)挖掘中的聚類分析和關(guān)聯(lián)規(guī)則兩種算法對(duì)平臺(tái)數(shù)據(jù)進(jìn)行分析,發(fā)現(xiàn)其中未知的隱含信息,力求從更好地服務(wù)讀者、更方便地管理圖書、更有效地配置資源幾個(gè)方面提供可用信息。

        2 數(shù)據(jù)準(zhǔn)備

        數(shù)據(jù)平臺(tái)我國教育部在2010年《國家中長期教育改革和發(fā)展規(guī)劃綱要(2010—2020年)》和2012年《教育信息化十年發(fā)展規(guī)劃(2010—2020年)》中均提到了中小學(xué)圖書館管理信息化問題,各省中小學(xué)圖書館管理信息化快速發(fā)展。圖書館信息化帶來龐大的數(shù)據(jù),要想利用好這些數(shù)據(jù)來為中小學(xué)讀者、管理人員帶來更加有效的信息,就會(huì)面對(duì)幾個(gè)實(shí)際的問題:1)由于各地經(jīng)濟(jì)發(fā)展?fàn)顩r等不完全一致,客觀表現(xiàn)不一,中小學(xué)圖書館建設(shè)情況各不相同;2)中小學(xué)圖書館各自歸屬不一樣,數(shù)據(jù)庫建設(shè)標(biāo)準(zhǔn)各有不同;3)部分學(xué)校圖書館信息化建設(shè)平臺(tái)已經(jīng)完成,但錯(cuò)誤信息較多、使用較少;4)對(duì)已經(jīng)運(yùn)行較好的圖書館信息化系統(tǒng)積累的大量數(shù)據(jù)的利用不足。

        四川省教育廳于2012年結(jié)合全省實(shí)際情況,在相關(guān)政策的指導(dǎo)下,開始建立省級(jí)圖書管理平臺(tái),涵蓋全省所有中小學(xué)圖書館的館藏?cái)?shù)據(jù)和流通數(shù)據(jù)。該平臺(tái)幫助全省各中小學(xué)圖書館信息化工作的開展,通過建設(shè)管理平臺(tái),全省各中小學(xué)圖書館一方面統(tǒng)一建設(shè)標(biāo)準(zhǔn),另一方面發(fā)現(xiàn)糾正數(shù)據(jù)庫錯(cuò)誤,形成真實(shí)有效的圖書館數(shù)據(jù)信息。

        數(shù)據(jù)選取本研究數(shù)據(jù)均采集于四川省省級(jí)圖書管理平臺(tái),時(shí)間窗口定于2012年9月到2014年12月。通過對(duì)全省圖書信息化的調(diào)研分析,決定采用圖書信息化實(shí)際發(fā)展差距不大的區(qū)域進(jìn)行分析挖掘。以省會(huì)城市的數(shù)據(jù)為例采集數(shù)據(jù),同時(shí)將其按照主城區(qū)和周邊城區(qū)兩個(gè)部分進(jìn)行拆分,對(duì)兩個(gè)部分的數(shù)據(jù)采用相同的數(shù)據(jù)挖掘算法進(jìn)行分析,挖掘不同區(qū)域的信息,同時(shí)可以結(jié)合數(shù)據(jù)挖掘的結(jié)果進(jìn)行對(duì)比分析。

        本研究將選用圖書館代碼、圖書館所屬城市、圖書分類號(hào)、書名、作者、借閱人姓名、借閱人性別、借閱時(shí)間、歸還時(shí)間等19個(gè)維度進(jìn)行挖掘分析,詳見表1數(shù)據(jù)挖掘字段。

        圖書分類方法采用中圖法基本分類:A—馬克思主義、列寧主義、毛澤東思想、鄧小平理論;N—自然科學(xué)總論;B—哲學(xué)、宗教;O—數(shù)理科學(xué)和化學(xué);C—社會(huì)科學(xué)總論;P—天文學(xué)、地球科學(xué);D—政治、法律;Q—生物科學(xué);E—軍事;R—醫(yī)藥、衛(wèi)生;F—經(jīng)濟(jì);S—農(nóng)業(yè)科學(xué);G—文化、科學(xué)、教育、體育;T—工業(yè)技術(shù);H—語言、文字;U—交通運(yùn)輸;I—文學(xué);V—航空、航天;J—藝術(shù);X—環(huán)境科學(xué)、安全科學(xué);K—?dú)v史、地理;Z—綜合性圖書。

        3 數(shù)據(jù)挖掘分析

        數(shù)據(jù)挖掘主要包括兩個(gè)方面,一是挖掘結(jié)構(gòu),一個(gè)是挖掘算法。需要從挖掘結(jié)構(gòu)中獲得相應(yīng)數(shù)據(jù),然后再使用算法進(jìn)行分析。數(shù)據(jù)挖掘的算法很多,如決策樹算法、聚類分析算法、關(guān)聯(lián)算法、時(shí)序算法和線性回歸算法等,大多數(shù)算法都能達(dá)到幾種不同的功能,在實(shí)際運(yùn)用中,根據(jù)不同需要,采用不同的數(shù)據(jù)挖掘方法,比如人工神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)分析、遺傳算法、聚類分析等。本文主要采用聚類分析和關(guān)聯(lián)分析兩種方法,針對(duì)以上選取數(shù)據(jù)進(jìn)行分析。

        聚類分析聚類分析(Clustering Analysis)是一組將研究對(duì)象分為相對(duì)同質(zhì)的群組的統(tǒng)計(jì)分析技術(shù),按照它們的屬性上的親疏遠(yuǎn)近進(jìn)行分類,也可以說聚類分析是將物理或抽象對(duì)象的集合分組成為由類似的對(duì)象組成的多個(gè)類別的分析過程。

        聚類分析在圖書館文獻(xiàn)研究中,通常選用年齡、學(xué)歷、收入等量化指標(biāo)進(jìn)行聚類情況,本文將從圖書類別、性別和借閱時(shí)間(月)三個(gè)維度進(jìn)行聚類,嘗試發(fā)掘新的知識(shí)點(diǎn)。

        主城區(qū)聚類分析根據(jù)主城區(qū)數(shù)據(jù)中性別、借閱時(shí)間和圖書類別進(jìn)行聚類,自動(dòng)分成了10類,從聚類結(jié)果的分類剖面圖可以看到各個(gè)變量的整體情況,比如從性別來看,中小學(xué)圖書館的借閱情況中,幾乎男女借閱比例是五五比例,全年來看,借書月份按照從多到少排列,依次是12、11、10、3這幾個(gè)月,12月是借書最多的月份。借書類別按照從多到少,依次是I、J、H、G類,其中最大的則為I類——文學(xué)類圖書,但是分別看各類的情況,則差異較大,具體如圖1所示。

        表1 數(shù)據(jù)挖掘字段

        圖1 主城區(qū)聚類分析分類剖面圖

        分類1:借閱人性別幾乎都為男生,主要集中在10月和12月借書,借閱I類圖書最多。

        分類2:借閱人性別都是女生,主要集中在11月份借書,借閱書籍I類最多。

        分類3:借閱人性別均為女生,主要集中在12月份借書,借閱類型I類最多。

        分類4:借閱人性別幾乎都為男生,借閱時(shí)間幾乎都是11月,借閱類型I類最多。

        分類5:借閱人性別均為女生,借閱時(shí)間主要都為10月,借閱類型I類最多。

        分類6:借閱人性別幾乎都為男生,但是沒有在最集中借閱的3、10、11、12幾個(gè)月中借閱,借閱類別最多的I類。

        分類7:借閱人性別幾乎都為男生,但是沒有在最集中借閱的3、10、11、12幾個(gè)月中借閱,借閱類別最多的I類。

        分類8:借閱人性別上女生稍微多一些,但是沒有在最集中借閱的3、10、11、12幾個(gè)月中借閱,借閱類別最多的I類。

        分類9:借閱人90%為男生,主要集中在3月進(jìn)行借書,借書類型主要為I類。

        分類10:借閱人性別基本為女生,都集中在3月份借書,其I類圖書借閱比例也是最高的。

        非主城區(qū)聚類分析對(duì)非主城區(qū)進(jìn)行聚類,根據(jù)性別、借閱時(shí)間和圖書類別聚類結(jié)果,也自動(dòng)聚類成為了10類。從聚類結(jié)果的分類剖面圖我們可以看到各個(gè)變量的整體情況,比如從性別來看,中小學(xué)圖書館的借閱情況中,幾乎男女借閱比例是均衡的,全年來看,借書月份按照從多到少排列,依次是12、6、11、10幾個(gè)月,12月是借書最多的月份。借書類別按照從多到少,依次是I、P、H、G類,其中最大的則為I類——文學(xué)類圖書,但是分別看到各類的情況,則差異較大,具體如圖2所示。

        圖2 非主城區(qū)聚類分析分類剖面圖

        分類1:借閱人性別都為女生,主要集中在12月借書,借閱I類圖書最多。

        分類2:借閱人性別都是男生,主要集中在12月份借書,借閱書籍I類最多。

        分類3:借閱人性別均為女生,主要集中在11月份借書,借閱類型I類最多。

        分類4:借閱人性別都為男生,借閱時(shí)間以10月為主,借閱類型I類最多。

        分類5:借閱人性別都為女生,但是沒有在最集中借閱的6、10、11、12幾個(gè)月中借閱,借閱類別最多的I類。

        分類6:借閱人性別都是女生,主要集中在10月份借書,借閱書籍I類最多。

        分類7:借閱人性別均為男生,但是沒有在最集中借閱的6、10、11、12幾個(gè)月中借閱,借閱類別最多的I類。

        分類8:借閱人性別都為男生,大部分借閱時(shí)間以11月為主,借閱類型I類最多。

        分類9:借閱人性別都是女生,主要集中在6月份借書,借閱書籍P類最多。

        分類10:借閱人性別都為男生,大部分借閱時(shí)間以6月為主,借閱類型P類最多。

        聚類結(jié)果分析總體上看,主城區(qū)借書的男女總體比例基本均衡,借書的時(shí)間集中月份分別是12、11、10、3幾個(gè)月,12月是借書最多的月份。借書類別主要集中在I、J、H、G類,其中最大的則為I類——文學(xué)類圖書。非主城區(qū)男女借書比例基本均衡,借閱時(shí)間和圖書種類兩個(gè)維度不同,如表2所示。

        表2 主城區(qū)和非主城區(qū)聚類分析結(jié)果總體對(duì)照表

        針對(duì)他們從總體上展現(xiàn)出來的不一樣,尤其是讀書的時(shí)間,雖然大體上都集中在12、11、10三個(gè)月,但是主城區(qū)3月借書的集中度排在第四,非主城區(qū)10月借書的集中度排在第二。

        結(jié)合實(shí)際抽查訪問,學(xué)生集中年末借書,跟氣候、新的學(xué)期都很大關(guān)系,而3月和6月這兩個(gè)數(shù)字,分別說明兩個(gè)問題,主城區(qū)3月讀書,是因?yàn)樾聦W(xué)期開學(xué)和春天氣候適合閱讀,而非主城區(qū)6月借閱很多,卻主要是因?yàn)槭罴贂r(shí)間長,放假前學(xué)生假期閱讀計(jì)劃較多。

        從兩個(gè)結(jié)果來看,大致可以推斷寒暑假對(duì)于主城區(qū)學(xué)生讀書影響不大,但是這個(gè)也體現(xiàn)了另外一個(gè)問題,寒暑假期間圖書館不對(duì)學(xué)生開放非常影響學(xué)生閱讀,也許寒暑假圖書館能夠繼續(xù)開放,我們能夠得到完全不一樣的結(jié)果。

        我們?cè)賮砜纯唇栝唸D書的類別情況,其實(shí)也很有意思。雖然都是一個(gè)城市,但是主城區(qū)和非主城區(qū)竟然在借閱種類集中度排名第二的類別上發(fā)生了不一樣,主城區(qū)主要借閱類別集中度排名第二是J文藝,而非主城區(qū)借閱類別集中度排名第二是P天文、地球、科學(xué)。其他都一樣,第一名是I文學(xué)類,第三名是H語言文學(xué)類,第四名是文化科學(xué)、教育、體育類。

        主城區(qū)中小學(xué)生對(duì)于藝術(shù)的愛好相對(duì)較高,可能跟城市氛圍有關(guān),相對(duì)主城區(qū)的經(jīng)濟(jì)會(huì)較好,受到城市的藝術(shù)熏陶較多,畢竟通常主城區(qū)的藝術(shù)展會(huì)多于非主城區(qū),而非主城區(qū)的孩子卻對(duì)天文、地球、科學(xué)產(chǎn)生濃厚興趣,也許跟他們相對(duì)主城區(qū)孩子,離自然更近的原因。

        圖3 頻繁項(xiàng)集的樣例圖

        圖4 主城區(qū)關(guān)聯(lián)規(guī)則圖(1)

        關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則主要是挖掘?qū)ふ医o定數(shù)據(jù)集中,項(xiàng)之間的關(guān)聯(lián)或相關(guān)度,揭示某種數(shù)據(jù)項(xiàng)間的未知依賴關(guān)系,運(yùn)用關(guān)聯(lián)規(guī)則可以從一個(gè)對(duì)象推斷另一個(gè)對(duì)象。比如之前提到的尿布和啤酒的故事,超市通過這個(gè)算法發(fā)現(xiàn)買尿布的也會(huì)買啤酒,這種情況不是事先能夠想到然后進(jìn)行驗(yàn)證,產(chǎn)生關(guān)聯(lián)規(guī)則的方法是找出數(shù)據(jù)庫中的頻繁項(xiàng)集,然后由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則,為了判斷關(guān)聯(lián)規(guī)則的有效性。這種情況不是事先能夠想到然后進(jìn)行驗(yàn)證,產(chǎn)生關(guān)聯(lián)規(guī)則的方法是找出數(shù)據(jù)庫中的頻繁項(xiàng)集,然后由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則,為了判斷關(guān)聯(lián)規(guī)則的有效性,通常采用三個(gè)指標(biāo)進(jìn)行評(píng)價(jià),分別是支持度(Support)、可信度(Confidence)和提升度(Lift)。其三個(gè)指標(biāo)的含義分別是,支持度(Support)指的是對(duì)象包含的產(chǎn)品同時(shí)出現(xiàn)的概念;可信度(Confidence)指的是一個(gè)產(chǎn)品出現(xiàn)的同時(shí),另一個(gè)產(chǎn)品出現(xiàn)的幾率;提升度(Lift)是兩種可能性的比較,也就是已知一個(gè)產(chǎn)品出現(xiàn)的同時(shí),另外一種產(chǎn)品也出現(xiàn)的可能性,與任意情況下,這兩個(gè)產(chǎn)品出現(xiàn)的可能性的概率比值或者差值。

        圖5 主城區(qū)關(guān)聯(lián)規(guī)則圖(2)

        圖6 非主城區(qū)關(guān)聯(lián)規(guī)則項(xiàng)集圖

        本研究將從以上三個(gè)指標(biāo)挖掘主城區(qū)和非主城區(qū)圖書類別借閱之間的關(guān)聯(lián)關(guān)系。

        主城區(qū)關(guān)聯(lián)分析基于關(guān)聯(lián)規(guī)則挖掘模型對(duì)主城區(qū)的數(shù)據(jù)分析處理,可以獲得復(fù)雜的項(xiàng)集及其依賴關(guān)系網(wǎng)絡(luò),如圖3所示。

        圖3是頻繁項(xiàng)集的樣例圖,顯示了關(guān)聯(lián)規(guī)則算法所挖掘出來的頻繁項(xiàng)集,即是哪些類別的書出現(xiàn)的情況頻繁支持度??梢钥吹剑琂、G、I類的支持度最大,為3862。根據(jù)其支持度從大到小排名,組合前十的為JGI、HGI、HJI、ZGI、KGI、ZJI、KJI、BGI、ZHZ、KHZ。

        對(duì)于主城區(qū)的關(guān)聯(lián)規(guī)則圖,圖4是按照重要性從重到輕進(jìn)行了排序的,“重要性”指的是其后顯示的預(yù)測(cè)規(guī)則可能的重要性。而圖5是按照“概率”由大到小進(jìn)行了排序的,“概率”就是指一個(gè)規(guī)則為真實(shí)的可能性。綜合來看,主城區(qū)圖書借閱不存在明顯的關(guān)聯(lián)規(guī)則。

        非主城區(qū)關(guān)聯(lián)分析基于關(guān)聯(lián)規(guī)則挖掘模型對(duì)主城區(qū)的數(shù)據(jù)分析處理,可以獲得復(fù)雜的項(xiàng)集及其依賴關(guān)系網(wǎng)絡(luò),如圖6所示。

        這幅圖是頻繁項(xiàng)集的樣例圖,顯示了關(guān)聯(lián)規(guī)則算法所挖掘出來的頻繁項(xiàng)集,即是非主城區(qū)哪些類別的書出現(xiàn)的情況頻繁支持度??梢钥吹絀類一直獨(dú)秀,支持度最大,為10274。

        圖7 非主城區(qū)關(guān)聯(lián)規(guī)則圖(1)

        圖8 非主城區(qū)關(guān)聯(lián)規(guī)則圖(2)

        從非主城區(qū)常關(guān)聯(lián)規(guī)則中置信度展示圖分析,就是圖7中的重要性指標(biāo),按照從大到小的順序進(jìn)行排序,可以清楚地看到每一種置信度的大?。▓D8)。從數(shù)據(jù)來看,借閱I類和H類后再去借閱F類圖書的置信度是最大的。

        關(guān)聯(lián)結(jié)果分析關(guān)聯(lián)規(guī)則分析需要結(jié)合多個(gè)指標(biāo),對(duì)產(chǎn)生的關(guān)聯(lián)規(guī)則進(jìn)行實(shí)際分析。我們?cè)诟拍畎l(fā)生為100%里面重要性最高的規(guī)則進(jìn)行實(shí)際分析。

        主城區(qū)的關(guān)聯(lián)結(jié)果顯示借了Z綜合類圖書和F經(jīng)濟(jì)類圖書的最容易再借G文化科學(xué)、教育、體育類圖書;非主城區(qū)結(jié)果顯示借了I類文學(xué)和H類語言文學(xué)類最可能借閱P天文、地球、科學(xué)類圖書。

        從這兩個(gè)結(jié)果來看,非主城區(qū)的結(jié)果容易與聚類分析結(jié)果相聯(lián)系,因?yàn)樵诜侵鞒菂^(qū)在聚類分析時(shí)也顯示出一個(gè)特點(diǎn)就是:中小學(xué)生閱讀傾向明顯在I、H、P這三類,再結(jié)合產(chǎn)生的這個(gè)關(guān)聯(lián)規(guī)則,說明非主城區(qū)中小學(xué)的圖書借閱類型比較固定,我們可以更加廣泛的增加他們的興趣愛好度。

        再看看主城區(qū)的結(jié)果,Z類綜合圖書和F類經(jīng)濟(jì)圖書都不在聚類分析的最受歡迎的幾種類型圖書里面,雖然G類文化、教育、體育圖書進(jìn)入了閱讀類型集中度前四,但是也排在第四名,由此可以粗略的得出一個(gè)結(jié)論,主城區(qū)中小學(xué)學(xué)生圖書類別借閱關(guān)聯(lián)并不明顯。再次回到主城區(qū)關(guān)聯(lián)規(guī)則分析圖進(jìn)行分析,從重要性的從大到小到概率的從大到小,均沒有出現(xiàn)像非主城區(qū)那樣與聚類分析的類別集中度重合的類別出現(xiàn)。因此,大概可以得出一個(gè)結(jié)論,主城區(qū)中小學(xué)學(xué)生借閱圖書相對(duì)沒有太大的關(guān)聯(lián)性,個(gè)人閱讀集中度不高。

        4 結(jié)論

        數(shù)據(jù)挖掘技術(shù)在國際國內(nèi)發(fā)展都非常迅速,目前在我們國家教育信息化方面的實(shí)際應(yīng)用仍處于起步階段,本文首次采用這樣的方法分析基于一個(gè)省級(jí)圖書平臺(tái)的真實(shí)數(shù)據(jù),分析維度不夠全面,望能起到拋磚引玉的作用。相信在數(shù)據(jù)挖掘應(yīng)用越來越廣泛的背景之下,對(duì)我國圖書教育資源的有效配置和管理,提高學(xué)生綜合素質(zhì),減少工作人員工作強(qiáng)度,加強(qiáng)教育相關(guān)部門的管理控制都有重大意義。

        [1]陳國青,衛(wèi)強(qiáng),商務(wù)智能原理與方法[M].北京:電子工業(yè)出版社,2009.9.

        [2]Mark Levene, George Loizou. Why is the Snowfl ake Schema a good Data Warehouse Design[J].Information System,2003(3):225-240.

        [3]徐瀾.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘在成人高校決策中的應(yīng)用[D].上海交通大學(xué)碩士論文,2007:5-6.

        [4]王清明.SQL Server 2005數(shù)據(jù)倉庫與Analysis Services [M].北京:清華大學(xué)出版社,2008.

        [2]郭麗.SQL Server 2005構(gòu)建數(shù)據(jù)挖掘解決方案[J].計(jì)算機(jī)與現(xiàn)代化,2007(5):1.

        G258.69

        B

        1671-489X(2016)13-0076-07

        作者:龍懿、田馨、代倩,四川省教育廳技術(shù)物資裝備管理指導(dǎo)中心(610213)。

        猜你喜歡
        主城區(qū)借書類別
        新時(shí)期單元控規(guī)動(dòng)態(tài)維護(hù)探索實(shí)踐——以龍巖主城區(qū)為例
        圖圖借書
        借書去
        借書
        快樂語文(2018年12期)2018-06-15 09:11:10
        圖圖借書
        西安主城區(qū)砂層工程地質(zhì)特征分析
        主城區(qū)重要道路圍擋施工交通組織研究
        邯鄲市主城區(qū)及周邊地區(qū)降水量
        服務(wù)類別
        新校長(2016年8期)2016-01-10 06:43:59
        論類別股東會(huì)
        商事法論集(2014年1期)2014-06-27 01:20:42
        无限看片在线版免费视频大全| 精品女同一区二区三区免费战| 国产精品毛片无遮挡高清| 国产精品毛片一区二区三区| 久久综合久久鬼色| 亚洲视频高清| 亚洲av日韩一区二三四五六七| 中文字幕亚洲精品专区| 中文字幕人成乱码中文乱码| 日本一区二区三区啪啪| 午夜视频一区二区在线观看| 亚洲伦理第一页中文字幕| 色欲aⅴ亚洲情无码av| 久久人人妻人人做人人爽| 中文字幕乱码亚洲无线精品一区| 亚洲中文字幕熟女五十| 91色区在线免费观看国产| 中文字幕在线日亚州9| 久久夜色精品国产噜噜麻豆| 成 人 网 站 在线 看 免费| 在线观看女同一区二区| 亚洲精品第一页在线观看| 51看片免费视频在观看| 激情综合色综合啪啪五月丁香| 亚洲熟女少妇一区二区| 网友自拍人妻一区二区三区三州| 日韩有码中文字幕在线视频 | 在线亚洲+欧美+日本专区| 伊人久久亚洲综合影院首页| 国产精东一区二区三区| 男女av免费视频网站| 日本乱偷人妻中文字幕| 精品一品国产午夜福利视频| 国产综合一区二区三区av| 中文字幕亚洲在线第一页| 国精品人妻无码一区二区三区性色| 99精产国品一二三产品香蕉| 亚洲欧洲国产日产国码无码 | 一区二区三区国产天堂| 成人区人妻精品一区二区三区| 色爱av综合网站|