隨著互聯(lián)網(wǎng)信息的增長,圖書的種類和數(shù)量進一步增多,用戶獲取讀物的方式相較于傳統(tǒng)檢索和搜索方法更加傾向于使用推薦系統(tǒng)。目前圖書推薦系統(tǒng)普遍存在一些問題,如當(dāng)用戶數(shù)據(jù)較少時推薦方法很難見效;推薦系統(tǒng)根據(jù)用戶閱讀記錄等靜態(tài)數(shù)據(jù)進行圖書推薦,而沒有考慮用戶的動態(tài)偏好等等。基于上述缺點,本文設(shè)計并實現(xiàn)了一款圖書推薦系統(tǒng),主要研究內(nèi)容包括以下四點:（1）針對現(xiàn)有的圖書推薦系統(tǒng)在主題建模時考慮因素比較單一、沒有動態(tài)捕捉用戶偏好隨時間變化的問題,提出了一種融合時間和項目特征的主題模型TCA-LDA�；谠撃Ｐ偷耐扑]算法將用戶的閱讀偏好解釋為主題偏好和時間偏好,兩者共同決定了用戶在某一時刻會選擇某本書。用戶的主題偏好來源于多種圖書特征信息,例如標簽、作者和出版社,而非單純來源于某一特征,可以挖掘用戶對圖書不同方面的特定偏好。實驗表明,推薦效果在召回率和nDCG上要優(yōu)于現(xiàn)有主題建模方法。（2）針對新用戶閱讀記錄較少,從而導(dǎo)致的主題建模數(shù)據(jù)不足問題,提出了基于標簽的張量分解推薦算法RSVD。該算法使用用戶-圖書-標簽構(gòu)成的三階張量,考慮了不同標簽間的權(quán)重關(guān)系,特殊標簽對圖書的影響要大于一般標簽。實驗表明,該... 

【文章來源】：北京郵電大學(xué)北京市211工程院校教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１用戶評分－評論記錄??從圖２－１可以看出，用戶對圖書的評分由原有的二元關(guān)系擴展為用戶－圖書－??時間－文本四元關(guān)系

２１６０６?２２５ｉＳ５？?１Ｄ０４９５６?２００９－０Ｓ－１８每一個■香蓉逼人、活發(fā)可愛Ｓ３年輕女孩篆縣兩璆羅，露？Ｐ，故忍，ｇ？??２１６０？?２２３７９１７?１００４９５６?２００９－１ＣＭ１入ｔＳ閨有ＳＷＳｆｅＫ女孩，Ｓ星我５讀書以及ＪＳＦ多書＿打的疑吼??圖２－１用戶評分－評論記錄??從圖２－１可以看出，用戶對圖書的評分由原有的二元關(guān)系擴展為用戶－圖書－??時間－文本四元關(guān)系。為了去除只有評分或者只有評論的用戶，在爬取的過程中??確保每個用戶都能保證四元關(guān)系。另外，還對圖書的標題、作者、出版社等信息??進行了爬取，如圖２－２所示。由于圖書的標簽和作者可能有多個，數(shù)據(jù)使用了分??表存儲，如圖２－３所示：??ｉｄ?ｔｉｔｌｅ?ｐｕｂｌｉｓｈｅｒ?ｐｕｂｄａｔｅ??？Ｅ３?：公経經(jīng)?ｉｉｉＡＸ字亡銳?２００４－０３??１０ＳＫＳ０７６４?３￣ｍＡｒ＾Ｅ７?上考匕會？￥字篪＝鈑？Ｉ?２０１２－４??１〇３〇１２１?ｓ．＝ｂ?ｆｍｍｍｔ?２００４－０３??１０００１３４?三毛ＳＳｉＢ全異少年幾重２００１－８－１??１０ＣＯ１３９?蘇４ｆｃＡ在上Ｓ，?１８５?上海Ｈ籍ａＳｆｔ?２ＣＭＭ－０３??圖２－２圖書詳細信息??ｉｄ?ｂｏｏｋ?ｉｄ?ｔａｇ?ｎａｍｅ?Ｗ?ｂｏｏｋｊｄ?ａｕｔｈｏｒ??？；＇?’：二＿?２６９３４３０８?

１００?１２５?１５０?１７５??圖２－４用戶評論次數(shù)在出版社上的統(tǒng)計??同樣地，本文統(tǒng)計了作者對于用戶偏好的影響。從圖２－５可以看出，用戶１??的偏好比較平均，但是仍有若干個喜好的作者的概率大于其他作者的概率。用戶??２的偏好則比較明顯，大多針對某一作者的書籍進行閱讀，同樣表明了?ＴＣＡ－ＬＤＡ??模型認為用戶的閱讀偏好往往集中在某些作者上這一假設(shè)的合理性。??３０?：?Ａｕｔｈｏｒ????３５?Ａｕｔｈｏｒ??２５丨?丨?３０??２０１?２５??１５?丨?２０??１０：?１５??１０??〇?！?４?臭＊?ｔ?＾?ｕ?？?ｉｌ?ｔ．？?ｋ?ｉｔ?ｉ?ｍ?？??￣０?５０?１００?１５０?２００￣￣?０?＂?５０?＂?ＴＯＯ?１５０?２００?ＹｓＯ??圖２－５用戶評論次數(shù)在作者上的統(tǒng)計??２．３．４模型符號定義??定義１圖書。一本圖書包含三個維度的屬性：標簽，出版社，作者。本文使??用字母ｂ標識一本圖書，Ｗｂ代表一本圖書的標簽，Ｐｂ代表一本書的出版社，Ａｂ??代表一本圖書的作者。注意一本圖書可能由多個作者聯(lián)合完成，并且可能含有多??個標簽。用（ｂ，Ｗ，?Ｐ，Ａ）代表圖書的聯(lián)合項目特征，它的含義是圖書ｂ包含標??簽Ｗ，出版社Ｐ，作者Ａ等信息。??定義２用戶評論。用戶在瀏覽圖書的時候會為圖書做出相應(yīng)的評論

【參考文獻】：
期刊論文
[1]國內(nèi)外情景感知服務(wù)研究綜述[J]. 袁靜.  國家圖書館學(xué)刊. 2018(03)
[2]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計算機學(xué)報. 2018(07)
[3]推薦系統(tǒng)評價指標綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報. 2012(02)
[4]Open Bookmark——基于Agent的信息過濾系統(tǒng)[J]. 馮翱,劉斌,盧增祥,路海明,王普,李衍達.  清華大學(xué)學(xué)報(自然科學(xué)版). 2001(03)



本文編號：3617529