Intelligent Management of Library Collections: The Application of Neural Networks for Predicting Book Demand

Abstract
The aim of the study was to analyze and forecast library resource demand using both classical methods and artificial intelligence-based models. Historical book borrowing data was examined to identify seasonal patterns and changing user preferences. The effectiveness of methods such as linear regression, LSTM, GRU, CNN, and MLP was compared in forecasting demand. The results demonstrate a clear advantage of neural network models – particularly LSTM and CNN – in terms of prediction accuracy and their potential to optimize library collection management.

Celem przeprowadzonych badań była analiza i prognozowanie zapotrzebowania na zasoby biblioteczne z wykorzystaniem metod klasycznych oraz modeli opartych na sztucznej inteligencji. Przeanalizowano dane historyczne dotyczące wypożyczeń książek, identyfikując wzorce sezonowości i zmieniające się preferencje tematyczne użytkowników. Porównano skuteczność takich metod, jak regresja liniowa, LSTM, GRU, CNN oraz MLP w prognozowaniu zapotrzebowania. Wyniki wskazują na wyraźną przewagę modeli neuronowych, zwłaszcza LSTM i CNN, w dokładności predykcji oraz ich potencjalne zastosowanie w optymalizacji zarządzania zbiorami bibliotecznymi.
Description
Keywords
Citation
Topolska Katarzyna. Intelligent Management of Library Collections: The Application of Neural Networks for Predicting Book Demand. In Zarządzanie Biblioteką. 2025, nr 1, s. 71-79. ISSN 2081-1004
Related research dataset
Belongs to collection