摘 要：本文通过读者借阅日志和读者信息的高维数据进行聚类分析，并将其借阅次数进行加权筛选，即时推荐该类图书的新书或热门书给读者，提高图书馆的业务绩效。

关键词：模糊聚类；读者兴趣取向

注：此文系中华人民共和国教育部人文社会科学研究青年基金项目 （No.10YJC870037）。

图书贵在流通，以读者为导向，创新图书馆服务已然成为泛在图书馆发展的必然。高校图书馆的读者服务，必须遵循“以读者为中心”，及时定向地为读者提供个性化的推荐图书服务。那么，如何实现技术支撑保障，快捷准确，真正意义上的“一对一”推荐服务，是每个馆员思考的问题。如何才能实现以用户需求为导向为用户提供适时、适当的个性化服务已然成为图书馆未来发展的研究重点和必然。对用户真实的、个性化的需求挖掘成为图书馆信息服务和系统设计的重要依据。在泛在知识环境的大背景下。

1 模糊聚类分析概念

模糊聚类分析是以模糊理论为依据，用模糊的方法，按照一定的要求和规律对事物进行区分和分类来处理聚类问题。它得到样本是客观的反映现实世界。

2 模糊聚类样本矩阵确定

选取图书馆读者借阅信息、馆藏文献信息等公共性数据进行聚类分析。数据来源服务器端日志数据和读者注册数据。按照中图法，书籍可分22个子类，即其书类集Type={A，B，…，Z}，如果有n个读者成功借阅图书，即读者集Reader={Reader1，Reader2，…Readern}。因此，该图书馆的图书借阅情况就被映射成一个ReaderType矩阵。其中行表示已被借阅的书类集，列表示可借阅的读者集，每个元素项tij表示读者Readeri对某类书Typej的借阅次数Quantity，反映读者对该类图书的借阅兴趣度。……