數(shù)字圖書(shū)館中包含了海量信息，在如此龐大的資源中容易陷入“信息迷航”。為解決“信息迷航”問(wèn)題，個(gè)性化服務(wù)應(yīng)運(yùn)而生，但目前數(shù)字圖書(shū)館的個(gè)性化服務(wù)大部分不能滿(mǎn)足用戶(hù)多樣化和個(gè)性化的需求，缺乏主動(dòng)推送式的個(gè)性化服務(wù)。如何根據(jù)用戶(hù)個(gè)人的興趣，將用戶(hù)真正感興趣的信息主動(dòng)提供給他，使之能真正做到“各得所需”，才是個(gè)性化服務(wù)系統(tǒng)的核心。通過(guò)對(duì)國(guó)內(nèi)外個(gè)性化服務(wù)關(guān)鍵技術(shù)的研究，重點(diǎn)分析了主流協(xié)同過(guò)濾技術(shù)的原理、特點(diǎn)和方法之后，得出在數(shù)字圖書(shū)館領(lǐng)域，協(xié)同過(guò)濾機(jī)制雖能優(yōu)化個(gè)性化服務(wù)。但隨著數(shù)字圖書(shū)館應(yīng)用越來(lái)越廣泛，用戶(hù)數(shù)目和數(shù)量都急劇增加，用戶(hù)評(píng)分?jǐn)?shù)據(jù)稀疏的問(wèn)題愈加明顯，難以判定合乎規(guī)范的相似用戶(hù)群，因而協(xié)同過(guò)濾的質(zhì)量急劇下降。針對(duì)傳統(tǒng)協(xié)同過(guò)濾算法不適合描述用戶(hù)興趣完整性的缺陷，提出了基于數(shù)字圖書(shū)館的用戶(hù)建模方法，把對(duì)用戶(hù)興趣的分類(lèi)轉(zhuǎn)化為對(duì)中圖項(xiàng)目的選擇，并引入中圖項(xiàng)目興趣權(quán)重和時(shí)間閾值的概念來(lái)研究用戶(hù)在不同中圖興趣類(lèi)別中隨時(shí)間表現(xiàn)出來(lái)的興趣差異和變化，實(shí)現(xiàn)了對(duì)用戶(hù)興趣偏好的定量衡量。此外，提出了一種基于中圖分類(lèi)和聚類(lèi)的協(xié)同過(guò)濾推薦改進(jìn)算法。在基于用戶(hù)背景特點(diǎn)初步聚類(lèi)的基礎(chǔ)上，采用基于若干中圖分類(lèi)項(xiàng)目-用戶(hù)分... 

【文章來(lái)源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

協(xié)同過(guò)濾的基本原理和處理過(guò)程

居的評(píng)分與對(duì)目標(biāo)項(xiàng)的評(píng)分比較類(lèi)似, 所以可以根據(jù)當(dāng)前用戶(hù)對(duì)最近鄰居的評(píng)預(yù)測(cè)當(dāng)前用戶(hù)對(duì)目標(biāo)項(xiàng)的評(píng)分, 最后選擇預(yù)測(cè)評(píng)分最高的前若干項(xiàng)作為推薦結(jié)反饋給用戶(hù)。與基于用戶(hù)的協(xié)同過(guò)濾技術(shù)類(lèi)似，基于項(xiàng)目的協(xié)同推薦技術(shù)的一個(gè)關(guān)鍵是計(jì)算項(xiàng)目之間的相似度并選出最相似的項(xiàng)目。所以，基于項(xiàng)目的協(xié)同過(guò)濾也可以分為兩個(gè)階段：其一是最近鄰查詢(xún)：搜目標(biāo)項(xiàng)的最近鄰居；其二為推生：根據(jù)用戶(hù)對(duì)目標(biāo)項(xiàng)的最近鄰居的評(píng)分信息預(yù)測(cè)用戶(hù)對(duì)目標(biāo)項(xiàng)的評(píng)分, 產(chǎn)生Top-N 項(xiàng)目推薦。3.1.2.1 目標(biāo)項(xiàng)的最近鄰基于項(xiàng)目的協(xié)同過(guò)濾算法中首先要計(jì)算不同項(xiàng)之間相似度，然后根據(jù)實(shí)需要進(jìn)行推薦。計(jì)算項(xiàng)之間的相似度方法與計(jì)算用戶(hù)之間相似度的方法相似其與基于用戶(hù)的協(xié)同過(guò)濾之間的根本差別就在于相似性的計(jì)算上，前者是針陣的列進(jìn)行計(jì)算，而后者是針對(duì)矩陣的行進(jìn)行計(jì)算的，如圖 3.2 所示。

發(fā)現(xiàn)技術(shù)來(lái)挖掘項(xiàng)目之間的相關(guān)性。3.1.3 基于用戶(hù)聚類(lèi)的協(xié)同推薦算法傳統(tǒng)的協(xié)同過(guò)濾算法是在所有的用戶(hù)空間上進(jìn)行最近鄰居，隨著項(xiàng)目或用的不斷增加，協(xié)同過(guò)濾面臨的數(shù)據(jù)稀疏性問(wèn)題、冷啟動(dòng)問(wèn)題和擴(kuò)展性問(wèn)題越來(lái)突出。為解決協(xié)同過(guò)濾推薦系統(tǒng)存在的上述問(wèn)題，一種方案為引入聚類(lèi)技術(shù)，將數(shù)據(jù)對(duì)象分組成為多個(gè)類(lèi)或簇，一旦簇建立，可以使用簇中其它用戶(hù)(項(xiàng)目)的平均觀點(diǎn)對(duì)目標(biāo)用戶(hù)(項(xiàng)目)進(jìn)行預(yù)測(cè)�；谟脩�(hù)聚類(lèi)的協(xié)同過(guò)濾算法就是目前應(yīng)用比較廣泛且效率較高的一種個(gè)化推薦算法[44]，其基本思想如圖 3.3 所示。首先，在分析用戶(hù)特點(diǎn)和習(xí)慣等的礎(chǔ)上使用聚類(lèi)算法將整個(gè)用戶(hù)空間劃分為若干個(gè)不同的聚類(lèi)（或簇），不同聚類(lèi)（簇）之間用戶(hù)對(duì)項(xiàng)目的評(píng)分盡可能不同，而聚類(lèi)（簇）內(nèi)部用戶(hù)對(duì)項(xiàng)的評(píng)分可能相似；其次，搜尋目標(biāo)用戶(hù)所在聚類(lèi)（簇）；最后，通過(guò)協(xié)同過(guò)濾算法來(lái)預(yù)評(píng)分。因此，聚類(lèi)后的用戶(hù)空間相對(duì)于原始的用戶(hù)空間要小得多，有效的提高最近鄰的查詢(xún)效率和推薦算法的準(zhǔn)確性。

【參考文獻(xiàn)】：
期刊論文
[1]基于用戶(hù)聚類(lèi)的協(xié)同過(guò)濾推薦方法[J]. 查文琴,梁昌勇,曹鐳.  計(jì)算機(jī)技術(shù)與發(fā)展. 2009(06)
[2]國(guó)內(nèi)外數(shù)字圖書(shū)館個(gè)性化信息服務(wù)系統(tǒng)剖析[J]. 王欣,江蕓.  圖書(shū)館工作與研究. 2008(11)
[3]高校圖書(shū)館個(gè)性化服務(wù)現(xiàn)狀和影響因素分析——以十堰職業(yè)技術(shù)學(xué)院圖書(shū)館為例[J]. 張琴.  圖書(shū)館建設(shè). 2008(01)
[4]協(xié)同過(guò)濾的一種個(gè)性化推薦算法研究[J]. 郭艷紅,鄧貴仕.  計(jì)算機(jī)應(yīng)用研究. 2008(01)
[5]基于項(xiàng)目與客戶(hù)聚類(lèi)的協(xié)同過(guò)濾推薦方法[J]. 張娜,何建民.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(09)
[6]個(gè)性化推薦系統(tǒng)中的用戶(hù)建模及特征選擇[J]. 林霜梅,汪更生,陳弈秋.  計(jì)算機(jī)工程. 2007(17)
[7]復(fù)合圖書(shū)館個(gè)性化信息服務(wù)模式研究[J]. 任永芳.  圖書(shū)館學(xué)研究. 2007(03)
[8]適應(yīng)用戶(hù)興趣變化的協(xié)同過(guò)濾推薦算法[J]. 邢春曉,高鳳榮,戰(zhàn)思南,周立柱.  計(jì)算機(jī)研究與發(fā)展. 2007(02)
[9]數(shù)字圖書(shū)館個(gè)性化信息服務(wù)系統(tǒng)研究[J]. 劉燕平.  圖書(shū)情報(bào)工作. 2006(S2)
[10]國(guó)內(nèi)外數(shù)字圖書(shū)館個(gè)性化信息服務(wù)系統(tǒng)的功能與特征比較研究[J]. 張俊,黃水清.  情報(bào)理論與實(shí)踐. 2005(06)



本文編號(hào)：2930497