Az adatbázis-kezelő rendszereket manapság vezették be könyvtári területen, és a könyvtárak nagy mennyiségű adatot halmoztak fel az olvasók dokumentumhasználati előzményeiről. Ezen adatok mögött sok fontos információ rejlik. Jelen tanulmány célja, hogy egy tipikus adatbányászati (DM) technológiát, az asszociációs szabályok bányászati modelljét használja fel arra, hogy kölcsönzési előzményeik alapján feltárja az olvasók kölcsönzési mintázatait, és egyéb könyvek listáit ajánlja fel számukra személyre szabott módon, annak érdekében, hogy a könyvtár adatvagyona jobban hasznosuljon.
Az asszociációs szabályokat kereső bányászalgoritmust arra alkalmazták, hogy az olvasók kölcsönzési előzményei alapján megismerjék a kölcsönzési szabályszerűségeiket, és más, személyre szabott könyvlistákat ajánljanak nekik, ezzel fokozva a könyvtár adatvagyonának kiaknázását.
Az olvasók kölcsönzési előzményeinek elemzésével a könyvtári szoftver olyan könyveket tud ajánlani egy adott olvasónak, melyek a kölcsönzési előzményei vagy az aktuálisan kikölcsönzött könyvei alapján érdekelhetik őt. Ha a könyvkölcsönzés elemzésekor többféle kategória és probléma is felmerül, az hosszú kódsorokat és nagy keresési teret eredményez. Ezért a jövőben a következő területeken kell kutatásokat folytatni: klaszterezési eljárások bevezetése, valamint az asszociációs szabályok bányászatának alkalmazása a könyvek beszerzése és elrendezése során. A kutatás hasznosnak bizonyulhat a Big Data adatbányászat és szoftverfejlesztés számára, amelyek révén javulni fog a hatékonyság, illetve bővülnek ismereteink a használói viselkedés és pszichológia terén.
A szerzők a DM technológiát arra használták, hogy feltárják a Big Data mögött rejlő információkat könyvtári környezetben; a személyre szabott könyvtári ajánlások problémáját mélyrehatóan elemezték és dolgozták ki; végezetül ismertetik az asszociációs szabályok javított, a mesterséges méh algoritmussal vegyített eljárását. (Személyre szabott könyvtári ajánlási szolgáltatás fejlesztése a kölcsönzési előzmények alapján; sajnos csak autoref.)