1.一种基于数据挖掘的图书荐购方法，其特征在于：所述方法包括以下步骤：第一步，挖掘活跃书籍：基于读者行为数据，通过聚类算法，得到既符合质量要求又受读者欢迎的图书；

研究的原始数据包括读者数据表readerinfo、馆藏数据表colinfo、专家数据表expscore、借阅数据表lendinfo和检索数据表searchinfo，将图书借阅比率、待馆时长、检索次数、活跃出版社、读者身份占比五个特征作为评价活跃书籍的依据；

将数据处理后的聚类特征集合作为数据集输入，并对数据进行归一化处理，将取值映射在区间[0,1]上；新建一个集合存放噪声点，在去除噪声点集合的样本集中选取k个初始聚类中心，利用欧式距离计算每个样本点与初始聚类中心的距离，将其划分至距离最小的初始聚类中心所在的簇；根据簇的大小判断其是否小于设定的阈值，若小于则将该初始聚类中心放入噪声点集合，重新选取聚类中心；否则计算每个簇的均值M1，根据均值产生新的质心，再根据欧式距离计算每个样本点与M1的距离产生新簇，计算新簇的均值M2，若|M2‑M1|>1,继续调整簇，若|M2‑M1|<1将得到的簇输出到文件，得出活跃书籍，算法结束；

第二步，匹配荐购书单：将活跃书籍与已有的荐购书单匹配，获得最终荐购书单；

所述第一步中，初始聚类中心选取的过程如下：

1.1)假设聚类个数为K，聚类中心用A表示，则有A＝{a1,a2,a3,…,ak}，样本点的个数为N，噪声点个数为O，属性为M，则样本集合X＝{X1,X2,X3,…,XN‑O},计算任意两个样本点xi,xj之间的欧式距离Dij，找出最大的DIJ，如果 则样本点xi,xj就作为初始聚类的前两个类心，即有a1＝xi,a2＝xj；转步骤2)计算剩下的K‑2个聚类中心；

1.2)由上个步骤计算出了聚类的前两个初始聚类中心，假设此时已经确定了k个聚类中心(2≤k≤K‑1)，则第k+1个聚类中心为ai+1，就是样本集中剩下的N‑O‑k个样本点与已经确定的前k个聚类中心的距离最小值Di；再找其中最大的DI，如果 则样本点xi就是聚类的第k个初始聚类中心，这样重复步骤1.2)，直到K个初始聚类中心都找到为止；

1.3)噪声点的确定：设噪声点阈值参数为t，根据初始聚类中心产生簇，判断是否每个t

簇中的个数大于阈值N/K ，如果大于则继续算法下面的步骤，否则将这个簇中的初始聚类中心标记为噪声点，并在算法重新选取初始聚类中心时去除噪声点，直到每个簇的个数满足设定的阈值；

所述第一步中，对原始数据进行分析计算，过程如下：

1)借阅比率

提出借阅比率用如下公式计算：

式中BR表示借阅比率，BN表示借阅次数，CN表示复本数；

2)待馆时长

根据书号book_id、操作类型operation、操作时间operation_time和复本数copy计算每本书的平均待馆时长，涉及借阅数据表lendinfo和馆藏数据表colinfo；

3)检索次数

检索次数根据读者编号reader_id、检索内容content、检索时间search_time统计获得；

4)活跃出版社

构建活跃出版社数据挖掘模型：

P＝PA×wA+PB×wB+PC×wC式中，P表示某个出版社的综合评分，PA、PB、PC分别表示读者借阅、专家推荐、历史采购信息对出版社的评分，wA、wB、wC分别表示读者借阅、专家推荐、历史采购在活跃出版社评分挖掘中所设置的权重；根据P值的大小判断每本书的出版社是否为活跃出版社；

5)读者身份占比

读者身份占比表示借阅某本书的读者的身份不同，该书体现的价值也是不同的；

R＝RT×wT+RG×wG+RU×wU式中，代表读者身份占比的值，RT、RG、RU分别表示借阅某本书的教师人数、研究生人数、本科生人数，wT、wG、wU分别代表教师、研究生、本科生三种身份所占的权重。

2.如权利要求1所述的一种基于数据挖掘的图书荐购方法，其特征在于：所述第二步中，匹配荐购书单就是活跃书籍与已有的荐购书单匹配的过程，首先利用Stanford CoreNLP分词工具，对活跃书籍书名进行分词处理，书名被分为名词、形容词、连接词、字符和数字；然后去除分词中的无关词，获取书名关键字；最后，将提取的关键字与荐购书单进行字符串匹配，输出书名中含有关键字的书单，这些书单即为荐购书单。