隨著互聯(lián)網(wǎng)信息的增長(zhǎng),圖書(shū)的種類和數(shù)量進(jìn)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(shū)推薦系統(tǒng)普遍存在一些問(wèn)題,如當(dāng)用戶數(shù)據(jù)較少時(shí)推薦方法很難見(jiàn)效;推薦系統(tǒng)根據(jù)用戶閱讀記錄等靜態(tài)數(shù)據(jù)進(jìn)行圖書(shū)推薦,而沒(méi)有考慮用戶的動(dòng)態(tài)偏好等等。基于上述缺點(diǎn),本文設(shè)計(jì)并實(shí)現(xiàn)了一款圖書(shū)推薦系統(tǒng),主要研究?jī)?nèi)容包括以下四點(diǎn):（1）針對(duì)現(xiàn)有的圖書(shū)推薦系統(tǒng)在主題建模時(shí)考慮因素比較單一、沒(méi)有動(dòng)態(tài)捕捉用戶偏好隨時(shí)間變化的問(wèn)題,提出了一種融合時(shí)間和項(xiàng)目特征的主題模型TCA-LDA。基于該模型的推薦算法將用戶的閱讀偏好解釋為主題偏好和時(shí)間偏好,兩者共同決定了用戶在某一時(shí)刻會(huì)選擇某本書(shū)。用戶的主題偏好來(lái)源于多種圖書(shū)特征信息,例如標(biāo)簽、作者和出版社,而非單純來(lái)源于某一特征,可以挖掘用戶對(duì)圖書(shū)不同方面的特定偏好。實(shí)驗(yàn)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(duì)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(wèn)題,提出了基于標(biāo)簽的張量分解推薦算法RSVD。該算法使用用戶-圖書(shū)-標(biāo)簽構(gòu)成的三階張量,考慮了不同標(biāo)簽間的權(quán)重關(guān)系,特殊標(biāo)簽對(duì)圖書(shū)的影響要大于一般標(biāo)簽。實(shí)驗(yàn)表明,該... 

【文章來(lái)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(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１用戶評(píng)分－評(píng)論記錄??從圖２－１可以看出，用戶對(duì)圖書(shū)的評(píng)分由原有的二元關(guān)系擴(kuò)展為用戶－圖書(shū)－??時(shí)間－文本四元關(guān)系

２１６０６?２２５ｉＳ５？?１Ｄ０４９５６?２００９－０Ｓ－１８每一個(gè)■香蓉逼人、活發(fā)可愛(ài)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(shū)以及ＪＳＦ多書(shū)＿打的疑吼??圖２－１用戶評(píng)分－評(píng)論記錄??從圖２－１可以看出，用戶對(duì)圖書(shū)的評(píng)分由原有的二元關(guān)系擴(kuò)展為用戶－圖書(shū)－??時(shí)間－文本四元關(guān)系。為了去除只有評(píng)分或者只有評(píng)論的用戶，在爬取的過(guò)程中??確保每個(gè)用戶都能保證四元關(guān)系。另外，還對(duì)圖書(shū)的標(biāo)題、作者、出版社等信息??進(jìn)行了爬取，如圖２－２所示。由于圖書(shū)的標(biāo)簽和作者可能有多個(gè)，數(shù)據(jù)使用了分??表存儲(chǔ)，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(huì)？￥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(shū)詳細(xì)信息??ｉｄ?ｂｏｏｋ?ｉｄ?ｔａｇ?ｎａｍｅ?Ｗ?ｂｏｏｋｊｄ?ａｕｔｈｏｒ??？；＇?’：二＿?２６９３４３０８?

１００?１２５?１５０?１７５??圖２－４用戶評(píng)論次數(shù)在出版社上的統(tǒng)計(jì)??同樣地，本文統(tǒng)計(jì)了作者對(duì)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(gè)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(duì)某一作者的書(shū)籍進(jìn)行閱讀，同樣表明了?ＴＣＡ－ＬＤＡ??模型認(rèn)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(píng)論次數(shù)在作者上的統(tǒng)計(jì)??２．３．４模型符號(hào)定義??定義１圖書(shū)。一本圖書(shū)包含三個(gè)維度的屬性：標(biāo)簽，出版社，作者。本文使??用字母ｂ標(biāo)識(shí)一本圖書(shū)，Ｗｂ代表一本圖書(shū)的標(biāo)簽，Ｐｂ代表一本書(shū)的出版社，Ａｂ??代表一本圖書(shū)的作者。注意一本圖書(shū)可能由多個(gè)作者聯(lián)合完成，并且可能含有多??個(gè)標(biāo)簽。用（ｂ，Ｗ，?Ｐ，Ａ）代表圖書(shū)的聯(lián)合項(xiàng)目特征，它的含義是圖書(shū)ｂ包含標(biāo)??簽Ｗ，出版社Ｐ，作者Ａ等信息。??定義２用戶評(píng)論。用戶在瀏覽圖書(shū)的時(shí)候會(huì)為圖書(shū)做出相應(yīng)的評(píng)論

【參考文獻(xiàn)】：
期刊論文
[1]國(guó)內(nèi)外情景感知服務(wù)研究綜述[J]. 袁靜.  國(guó)家圖書(shū)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(jì)算機(jī)學(xué)報(bào). 2018(07)
[3]推薦系統(tǒng)評(píng)價(jià)指標(biāo)綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報(bào). 2012(02)
[4]Open Bookmark——基于Agent的信息過(guò)濾系統(tǒng)[J]. 馮翱,劉斌,盧增祥,路海明,王普,李衍達(dá).  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2001(03)



本文編號(hào)：3617529