【摘要】：隨著大數(shù)據(jù)時代的來臨,針對所有的用戶都采用同一種方法的圖書館個性化推薦,已經(jīng)無法滿足圖書館用戶的需要。論文利用基于大數(shù)據(jù)的數(shù)據(jù)挖掘預(yù)處理技術(shù),將圖書館用戶細分為新用戶和一般用戶,然后利用數(shù)據(jù)挖掘與mapreduce技術(shù),提出大數(shù)據(jù)下的圖書館個性化推薦方法和策略。
【圖文】：

誥蠐臚際楣縈沒У鼻胺夢事肪鍍?配的關(guān)聯(lián)規(guī)則；最后采用reduce進行歸并，根據(jù)關(guān)聯(lián)規(guī)則和推薦度閾值將推薦集推薦給用戶。該方法推薦速度快，準(zhǔn)確度高，非常適合圖書館一般用戶。4個性化推薦方法相關(guān)實驗測試設(shè)備為Lenove服務(wù)器。實驗數(shù)據(jù)來自重慶理工大學(xué)校圖書館一個月的訪問記錄。選擇100位新用戶和100位一般用戶，第1次實驗采用基于用戶模式聚類與mapreduce的圖書館個性化推薦方法進行推薦準(zhǔn)確度測試，第2次實驗采用基于關(guān)聯(lián)規(guī)則挖掘與mapreduce的圖書館個性化推薦方法進行推薦準(zhǔn)確度測試。圖書館用戶推薦準(zhǔn)確度如圖1所示。圖1圖書館用戶推薦準(zhǔn)確度第1次實驗采用基于用戶模式聚類與mapreduce的圖書館個性化推薦方法，實驗結(jié)果是圖書館新用戶的推薦平均準(zhǔn)確度為83%，圖書館一般用戶的推薦平均準(zhǔn)確度為72%。第2次實驗采用基于關(guān)聯(lián)規(guī)則挖掘與mapreduce的圖書館個性化推薦方法，實驗結(jié)果是圖書館新用戶的推薦平均準(zhǔn)確度為68%，圖書館一般用戶的推薦平均準(zhǔn)確度為92%。從實驗結(jié)果可以看出，第1次實驗采用的方法適合圖書館新用戶，第2次實驗采用的方法非常適合一般用戶。將提出的基于用戶模式聚類與mapreduce的圖書館個性化推薦方法、基于關(guān)聯(lián)規(guī)則挖掘與mapreduce的圖書館個性化推薦方法應(yīng)用到學(xué)校圖書館。對200位新用戶采用基于用戶模式聚類與mapreduce的圖書館個性化推薦方法進行推薦，對200位一般用戶采用基于關(guān)聯(lián)規(guī)則挖掘與mapreduce的圖書館個性化推薦方（下轉(zhuǎn)第68頁）

會圖書館編.國立國會圖書館三十年史[M].1979：3.[7]田悐由太郎.出版物國枦交c厶鮹と國立國會V骹鴻([J].國立國會圖書館月報,1984(8):42-43.[8]，

本文編號：2525768