【摘要】：圖書館是高校重點建設(shè)場所,每年都會引進大量的圖書。如何在浩瀚的書海中幫助讀者找到他們感興趣的圖書是一個亟待解決的問題。人工推薦和傳統(tǒng)的圖書搜索功能過于依賴過往的經(jīng)驗,并且這些經(jīng)驗無法被存儲從而使更多的人受益。因此,在高校圖書館中建立個性化推薦系統(tǒng)有著重要的意義。相對于數(shù)字圖書館,目前國內(nèi)高校圖書館個性化推薦系統(tǒng)還不成熟,主要原因有以下幾點。首先是圖書信息不充分,缺少內(nèi)容、摘要等文本信息,無法通過主題模型或文本分析使用基于內(nèi)容的推薦;其次,高校圖書館沒有評分系統(tǒng),無法獲得讀者的喜好程度,難以使用協(xié)同過濾的推薦;最后,鑒于學(xué)生的身份,高校讀者急需一種能夠提供與其專業(yè)相關(guān)并且具有知識結(jié)構(gòu)上聯(lián)系的圖書推薦方式,但目前的推薦算法還沒有相應(yīng)的實現(xiàn)方案。為了解決上述問題,本文主要作出了以下貢獻:(1)提出了一種基于興趣度模型和類型因子的協(xié)同過濾推薦算法,該算法利用讀者借閱行為數(shù)據(jù)建立興趣度模型來近似讀者評分,以此解決高校圖書館缺少評分系統(tǒng)的問題,并在此基礎(chǔ)上使用中圖類型因子解決借閱關(guān)系稀疏的問題。(2)深入分析高校學(xué)生讀者的推薦需求,提出了孤點推薦的問題。該問題描述的是學(xué)生在不同學(xué)期借閱的圖書之間應(yīng)該有著知識結(jié)構(gòu)上的聯(lián)系和承接,而不是像一個個孤點一樣。(3)針對孤點推薦問題,提出了一種基于馬爾可夫過程的專業(yè)圖書樹推薦算法,該算法通過統(tǒng)計不同學(xué)期圖書類型之間的關(guān)聯(lián)度來得到轉(zhuǎn)移概率矩陣,并通過首學(xué)期的初始類型向量乘以轉(zhuǎn)移概率矩陣來得到各個學(xué)期推薦的圖書。(4)利用本文提出的兩種推薦算法,結(jié)合Hadoop分布式系統(tǒng)中的MapReduce計算框架,設(shè)計與實現(xiàn)了在現(xiàn)有借閱系統(tǒng)的歷史數(shù)據(jù)之上的高校圖書推薦系統(tǒng)。通過實驗證明和實例分析,本文提出的兩種高校圖書推薦算法有一定的推薦效果,并且具有實際應(yīng)用的價值,為高校圖書推薦的研究提供了新的思路。
【圖文】：

圖 2-1 協(xié)同過濾推薦算法的分類基于模型的協(xié)同過濾常用的三種算法是基于關(guān)聯(lián)規(guī)則的協(xié)同過濾，基于聚類的協(xié)同過濾和基于貝葉斯網(wǎng)絡(luò)的協(xié)同過濾�；趦�(nèi)存的協(xié)同過濾推薦算法可細分為基于用戶的協(xié)同過濾和基于項目的協(xié)同過濾。2.1.1 基于模型的協(xié)同過濾（1）基于關(guān)聯(lián)規(guī)則的協(xié)同過濾該算法是利用關(guān)聯(lián)規(guī)則算法來建立推薦模型，大致可以分為兩個環(huán)節(jié)：第一，在一定的支持度閾值內(nèi)，從存儲與用戶發(fā)生關(guān)系的項目數(shù)據(jù)庫中查找頻繁項集；第二，，依照確定的置信度，從頻繁項集中發(fā)現(xiàn)關(guān)聯(lián)規(guī)則。Aprior 算法[43][44]和 FP-Tree 算法[45]是常用的關(guān)聯(lián)規(guī)則算法。關(guān)聯(lián)規(guī)則可以在離線情況下運算得到，推薦時直接使用即可，保障了系統(tǒng)的實時性。并且，在用戶沒有提供評價信息的情況下，便能為用戶推薦全新的興趣點。其缺點

9圖 2-2 基于用戶的協(xié)同過濾推薦戶都對 a,b,c 三樣物品感興趣。那么 X 和 Y 就可品 d 推薦給 Y。一步先通過用戶歷史行為尋找與目標(biāo)用戶最相似待推薦物品的評分進行加權(quán)平均后，預(yù)測出目標(biāo)大小得到一個 top-N 的推薦列表。用戶，m 個項目的推薦系統(tǒng)中，可以構(gòu)建出一個 n度得到目標(biāo)用戶 u 的一個近鄰用戶集合 V。則目式計算得到： vVvivVuisimuvsimuvrr(,)(,)
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：G258.6;TP391.3

【參考文獻】

相關(guān)期刊論文 前10條

1 冷亞軍;陸青;梁昌勇;;協(xié)同過濾推薦技術(shù)綜述[J];模式識別與人工智能;2014年08期

2 李克潮;梁正友;;基于多特征的個性化圖書推薦算法[J];計算機工程;2012年11期

3 董坤;;基于協(xié)同過濾算法的高校圖書館圖書推薦系統(tǒng)研究[J];現(xiàn)代圖書情報技術(shù);2011年11期

4 劉維曉;陳俊麗;屈世富;萬旺根;;一種改進的Apriori算法[J];計算機工程與應(yīng)用;2011年11期

5 汪靜;印鑒;;一種優(yōu)化的Item-based協(xié)同過濾推薦算法[J];小型微型計算機系統(tǒng);2010年12期

6 黃曉斌;張海娟;;國外數(shù)字圖書館推薦系統(tǒng)評述[J];情報理論與實踐;2010年08期

7 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[J];計算機學(xué)報;2010年08期

8 武建偉;俞曉紅;陳文清;;基于密度的動態(tài)協(xié)同過濾圖書推薦算法[J];計算機應(yīng)用研究;2010年08期

9 張忠平;郭獻麗;;一種優(yōu)化的基于項目評分預(yù)測的協(xié)同過濾推薦算法[J];計算機應(yīng)用研究;2008年09期

10 李聰;梁昌勇;董珂;;基于項目類別相似性的協(xié)同過濾推薦算法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2008年03期

本文編號：2674506