کاربرد داده‌کاوی در سامانۀ توصیه‌گر کتابخانه‌های دیجیتال بر اساس قوانین انجمنی (مطالعۀ موردی: کتابخانۀ دیجیتال آستان قدس رضوی)

هدف: هدف این مطالعه، تحلیل و بررسی کاربرد فن داده‌کاوی در سامانۀ توصیه‌گر (پیشنهاددهنده) کتابخانه‌های دیجیتالی و مراکز اطلاعاتی بود. رویکرد داده‌کاوی در این سامانه، از طریق تحلیل الگوهای رفتاری کاربران کتابخانه‌های دیجیتال و ارائۀ پیشنهادهای دقیق، آنان را از مرور داده‌های غیر مرتبط در حین جستجو بی‍نیاز می‌سازد که منجر به افزایش درخواست‌های اطلاعاتی کاربران و جلب و جذب رضایتمندی آنان از ارائۀ خدمات کتابخانه‌های دیجیتالی می‍شود.روش: پژوهش حاضر یک مطالعۀ تحلیلی از نوع پیمایشی مقطعی و تحلیل محتوا بود. در این روش طی چهار مرحله، داده‌های موردنیاز، جمع‌آوری و خروجی آن با استفاده از فن داده‌کاوی مورد تجزیه وتحلیل قرار گرفت. در مرحلۀ اول، با تحلیل محتوا، سیا‌هه‌ای از تعداد تراکنش درخواست‌های کاربران از کتاب، شامل شناسۀ کاربران، عناوین نسخ، شمارۀ کد شناسایی نسخ در سامانۀ کتابخانۀ دیجیتال (پایگاه نسخ خطی)، سازمان کتابخانه‌ها، موزه‌ها و مرکز اسناد آستان قدس رضوی مورد بررسی قرار گرفت و داده‌ها به‌صورت ستون کاربر و سطر آیتم (کتاب) مرتب شد. مرحلۀ دوم، داده‌های خام پیش‌پردازش شده به ماتریس کاربر-آیتم که همان صفر و یک است، تبدیل شد. مرحلۀ سوم، خروجی داده‌ها با کمک فناوری داده‌کاوی و اجرای کاوش قوانین انجمنی و الگوریتم fp-growth بر روی نرم‌افزار رپیدماینر پیاده‌سازی و اجرا شد. خروجی به‌دست‌آمده، در این نرم‌افزار با تغییر درجۀ پارامترهای پشتیبان (میزان پشتیبانی از تکرار شدن منابع درخواستی) و اطمینان (میزان اعتماد به نتیجۀ موردنظر) مورد آزمون قرار گرفت. مرحلۀ چهارم، صحت و درستی طرح پیشنهادی سامانه ارائه شد.یافته‌ها: برونداد این پژوهش نشان داد که قواعد انجمنی با درجۀ اطمینان بالای 50% بوده و قادر به تعیین الگوهای دسترسی کاربر است که بهترین حالت دسترسی به مجموعۀ داده‍های تولیدشده با تنظیم درجۀ حداقل پشتیبانی 2% و حداقل اطمینان 95% است که منجر به ایجاد 1081 قوانین جدید با الگوریتم‌های شرطی (اگر – آنگاه) شد. چنانکه اگر کاربری در زمان جستجوی در نرم‌افزار کتابخانۀ دیجیتال موضوعاتی همچون (علم اصول، اجتهاد، سنت و...) را انتخاب نماید، به دلیل سابقۀ جستجوهای پرتکرار کاربران پیشین با همین موضوعات، از سوی سامانۀ توصیه‌گر، آنگاه عناوین مرتبطی با موضوع اصول فقه پیشنهاد خواهد شد. همین‍طور، اثبات درستی الگوی پیشنهادی نشان داد که مقدم و موخرهای ایجادشده از قوانین جدید با یکدیگر مشابهت موضوعی داشته است.نتیجه‌گیری: این مطالعه نشان داد، فنون مختلف داده‌کاوی با کاربرد قوانین انجمنی و اجرای الگوریتم fp-growth  دارای کارایی و دقت بالا بوده و در تجزیه‌و تحلیل داده‌های کتابخانه‌های دیجیتالی و مراکز اطلاع‌رسانی برای ایجاد سامانه‌های توصیه‌گر به‌منظور پیش‌بینی درخواست‌های کاربران و پیشنهاددهی موثر، مناسب است و از مفاهیم کاربردی آن، فراهم نمودن بستری برای بهبود کیفیت تعامل دوسویه میان کتابداران و کاربران در جهت ارائۀ خدمات بهینه و سودمند است و همچنین ایجاد فرصت مناسبی برای ارتقاء نگرش و دیدگاه مدیران در جهت تامین منابع اطلاعاتی موافق با نیازهای واقعی کاربران خواهد بود.

application of data mining in the recommender system of digital libraries based on association rules (case study: astan quds razavi digital library)

purpose: this study aimed to analyze and examine the use of data mining techniques in the recommender system of digital libraries and information centers. by analyzing the behavioral patterns of digital library users and providing detailed suggestions, the data mining approach in this system makes it unnecessary for them to review unrelated data during the search. this not only leads to an increase in users’ information requests but also significantly enhances their satisfaction with the provision of digital library services.method: the current research was an analytical study of cross-sectional survey type and content analysis. this method collected the required data in four stages, and its output was analyzed using a data mining technique. using content analysis, as in the first stage, a list of the number of transactions of user requests for books, including user ids, manuscript titles, manuscript identification code numbers in the digital library system (manuscript database), the organization of libraries, museums and documents center of astan quds razavi were investigated. the data were arranged as a user column and an item (book) row. in the second step, the preprocessed raw data was further transformed into a user-item matrix, which is zero and one. in the third stage, the data output was implemented and executed using data mining technology and the implementation of association rules and fp-growth  algorithm on rapidminer software) and confidence (the confidence level in the desired result) were tested. in the fourth stage, the accuracy and correctness of the proposed system plan were presented.findings: the output of this research revealed that the association rules have a confidence level above 50% and can determine the user’s access patterns, which is the best way to access the generated datasets by setting the minimum support level of 2% and the minimum confidence level of 95%, leading to 1081 new rules with conditional algorithms (if-then). if a user selects topics such as (the science of principles, ijtihad, tradition, etc.) during the search in the digital library software, due to the history of repeated searches by previous users with the same topics by the recommender system, then titles related to the subject of principles of jurisprudence will be suggested. also, the proof of the correctness of the proposed model showed that the first and last ones created from the new laws had thematic similarities with each other.conclusion: this study showed that various data mining techniques with the application of association rules and the implementation of the fp-growth algorithm have high efficiency and accuracy and are suitable for analyzing the data of digital libraries and information centers to create recommender systems in order to predict user requests and make effective suggestions. one of its practical concepts is to provide a platform to significantly enhance the quality of two-way interaction between librarians and users, thereby providing optimal and beneficial services, and also to create a suitable opportunity to improve the attitude and perspective of managers in order to provide information resources that meet the real needs of users.