宋宇辰，博士，教授，管理科学与工程学会（国家一级学会）理事。主要从事信息技术、数据挖掘领域的教学和科研工作。2006年10月至2007年10月赴都柏林大学访问学习。曾出访欧洲、亚洲、非洲等国。2008年受邀作为专家去津巴布韦等国考察经济管理、信息技术、矿业投资环境。
    近年来，主持国家社会科学基金、国家自然科学基金、教育部春晖计划等科研项目，参与完成国家和省部级等各类课题10余项。应邀参加国际学术会议多次，2010年应邀主持国际会议分会。在国内外期刊上发表论文多篇，其中被SCI、EI检索收录10篇。
    孟海东，博士，教授。主要从事数据挖掘技术和矿业系统工程领域的教学和科研工作。近年来主持国家自然科学基金、教育部、内蒙古自治区科研项目10余项。在国内外学术期刊上发表论文30余篇。曾出访日本、韩国等国，多次参加国际会议。

    《数据挖掘与管理实践》对数据挖掘技术及其在管理决策中的应用进行了较深入的研究。书中重点介绍了聚类分析和关联分析的理论基础、算法设计、分析与对比。全书以图书馆现代化管理为主线，探索了如何对管理数据实施数据挖掘、实现管理决策的全过程，包括数据采集、数据预处理、数据挖掘与分析、挖掘结果的分析，并提出相应的决策建议；根据一系列应用实施过程，总结出图书馆现代化管理应用数据挖掘的三层决策构架，即数据层、技术层和决策层。
    《数据挖掘与管理实践》适合从事信息分析、数据挖掘的人员，企业和政府部门的管理人员，从事管理学和情报学研究的学者及相关专业的研究生阅读参考。

    数据挖掘能将涉及图书馆信息系统的各种内部数据和外部信息汇集起来，经过处理和转换，形成集中统一、随时可用的决策信息，防止因信息不足造成的错误决策。利用数据挖掘系统对决策假设进行审查和验证，提高决策的可靠度和可行性，达到合理利用有限资金、优化图书馆资源配置的目的。数据挖掘工具可以从历史数据中找出潜在的模式，并在模式的基础上自动做出预测，这对启发图书馆决策者的创新思维、应对信息化社会的挑战具有重大意义。
    （2）改善图书馆的服务模式。
    数据挖掘技术对图书馆服务工作的支持主要体现在信息采集和信息咨询两个方面。作为信息链的第一个关键环节，信息采集是图书馆系统高效运转的基础。随着出版物的数量日益增多，载体日益丰富，图书馆信息结构、读者需求与资金利用的平衡问题越来越不易把握，也令采购工作的决策变得更加复杂。数据挖掘技术可以在分析内部的历史采购数据、读者数据、流通数据、反馈信息以及来自外部的各种学科发展信息的基础上深入了解学科的走势和读者的需求，帮助采购人员确定采购重点，保障图书馆信息资源体系的科学性和合理性。应用数据挖掘技术，一方面可使咨询馆员从海量数据中分析出事物之间的关联，挖掘出隐藏其中的信息规律，形成满足用户需求的深层次信息产品；另一方面，还可以根据用户的历史咨询记录，分析出他们的研究方向和兴趣所在，实现主动的个性化信息服务。
    （3）分析与确定读者需求特征。
    在读者需求分析活动中，读者阅读行为特征一般都建立在调查研究的基础上。实际上，读者阅读行为完全可以从读者借阅的大量数据中挖掘得到。研究中主要考虑的问题包括：不同读者阅读图书的不同科类、图书资料最高利用率面向的群体、读者细分、读者身份与阅读习惯的关系。

1 概论
1.1 背景
1.1.1 国外研究与应用
1.1.2 国内研究与应用
1.2 意义
1.3 内容
1.3.1 聚类分析
1.3.2 关联分析
1.3.3 图书馆数据搜集与预处理
1.3.4 实现数据挖掘技术在图书馆中的应用

2 数据挖掘技术
2.1 数据挖掘系统的组成
2.2 数据挖掘的定义
2.3 数据挖掘的任务
2.4 数据挖掘的功能
2.4.1 自动预测趋势和行为
2.4.2 关联分析
2.4.3 聚类分析
2.4.4 概念描述
2.4.5 偏差检测
2.5 数据挖掘的实施
2.5.1 数据挖掘环境
2.5.2 数据挖掘的过程
2.6 数据挖掘的难点
2.6.1 动态变化的数据
2.6.2 噪声
2.6.3 数据不完整
2.6.4 冗余信息
2.6.5 数据稀疏
2.6.6 超大数据量
2.7 数据挖掘的主要应用领域

3 聚类分析及系统功能
3.1 聚类算法简介
3.1.1 聚类算法的一般分类
3.1.2 噪声与孤立点
3.1.3 聚类算法的典型要求
3.2 新聚类算法理论研究
3.2.1 新聚类算法的整体思路
3.2.2 新聚类算法的相关定义
3.2.3 新聚类算法的算法描述
3.3 新聚类算法实验分析
3.3.1 不同尺寸和密度的簇聚类效果实验
3.3.2 埋藏在“噪声”中的簇聚类效果实验
3.3.3 实验结果总结
3.4 新聚类算法系统功能
3.4.1 菜单栏介绍
3.4.2 属性相关性检验窗口
3.4.3 数据标准化窗口
3.4.4 聚类窗口
3.4.5 模式评估窗口
3.5 新聚类算法聚类过程解析
3.5.1 数据选择
3.5.2 数据预处理
3.5.3 数据变换
3.5.4 数据挖掘
3.5.5 结果解释

4 关联分析与系统功能
4.1 关联分析简介
4.2 Clementine关联简介
4.3 新关联规则算法研究
4.3.1 新关联规则算法的提出
4.3.2 新关联规则算法的相关定义
4.4 新关联规则算法设计
4.5 新关联规则系统功能
4.6 新关联规则挖掘过程解析
4.6.1 数据选择
4.6.2 数据预处理
4.6.3 数据变换
4.6.4 数据挖掘
4.6.5 数据解释

5 现代化管理中的聚类应用
5.1 纸质调查问卷数据聚类分析
5.1.1 纸质问卷的设计与数据整理
5.1.2 数据预处理
5.1.3 学科资料需求聚类分析
5.1.4 馆藏基本需求聚类分析
5.1.5 读者借阅行为聚类分析
5.1.6 图书馆服务满意度聚类分析
5.1.7 决策建议
5.2 网络调查数据聚类分析
5.2.1 网络数据收集与数据整理
5.2.2 数据预处理
5.2.3 商校图书馆人力资源聚类分析
5.2.4 葛校图书馆资源聚类分析
5.2.5 决策建议

6 现代化管理中的关联应用
6.1 通用图书馆集成系统简介
6.2 借阅流通日志中读者属性与图书类别的关联分析
6.2.1 数据收集与数据整理
6.2.2 数据预处理
6.2.3 关联规则挖掘
6.2.4 挖掘结果分析
6.2.5 决策建议
6.3 借阅流通日志中图书与图书问的关联分析
6.3.1 数据收集与数据整理
6.3.2 数据预处理
6.3.3 关联规则挖掘
6.3.4 挖掘结果分析
6.3.5 决策建议
6.4 读者借阅记录中图书大类间的DAR关联分析
6.4.1 数据收集与数据整理
6.4.2 数据预处理
6.4.3 关联规则挖掘
6.4.4 挖掘结果分析
6.4.5 决策建议
6.5 纸质问卷学科间的DAR关联分析
6.5.1 数据收集与数据整理
6.5.2 数据预处理
6.5.3 关联规则挖掘
6.5.4 挖掘结果分析
6.5.5 决策建议

7 结论、建议、展望
7.1 图书馆数据挖掘的决策过程
7.2 新算法达到的功能
7.3 图书馆数据的搜集整理工作
7.4 挖掘结果的分析与建议
7.4.1 调查问卷数据的聚类分析与建议
7.4.2 网络数据的聚类分析与建议
7.4.3 图书馆集成系统数据的Clementine关联分析与建议
7.4.4 图书馆集成系统数据的DAR关联分析与建议
7.4.5 调查问卷馆藏资料数据的DAR关联分析与建议
7.5 展望
附录
附录A 图书馆资源建设、利用与服务情况问卷调查
附录B 高校图书馆信息调查表
附录C 图书借阅次数统计表
附录D 读者借阅次数统计表
参考文献