發(fā)布時間：2017-05-03 00:08

  本文關(guān)鍵詞：個性化推薦技術(shù)在圖書館服務(wù)中的應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,個性化推薦技術(shù)發(fā)展迅速,已經(jīng)成為當(dāng)前研究熱點,在電子商務(wù)等領(lǐng)域已經(jīng)獲得了巨大的成功。然而高校圖書館用戶正面臨著如何在浩瀚的圖書資源中找到自己感興趣的圖書的難題,因此借鑒個性化推薦技術(shù)在電子商務(wù)領(lǐng)域的成功經(jīng)驗,將其運用在圖書館服務(wù)中已經(jīng)成為了一個重要的研究方向。本文工作主要圍繞個性化推薦技術(shù)在圖書館服務(wù)中的應(yīng)用研究而展開,主要研究內(nèi)容和貢獻(xiàn)如下：(1)首先概括了圖書推薦系統(tǒng)的國內(nèi)外研究現(xiàn)狀,接著對各種推薦技術(shù)做了相應(yīng)研究并比較它們各自的優(yōu)缺點。(2)結(jié)合高校圖書館的實際情況,選擇協(xié)同過濾算法作為重點研究對象,做了相應(yīng)改進(jìn)：針對圖書評分?jǐn)?shù)據(jù)稀疏性問題,提出一種特殊的解決辦法,引入讀者-圖書分類,將基于讀者借閱記錄和基于讀者-圖書分類兩種協(xié)同過濾算法結(jié)合在一起,并在相似度度量和最近鄰選擇方面做了改進(jìn),增加了權(quán)重系數(shù)λ,使相似度可以隨著實際情況動態(tài)地改變大小,使相似度計算的準(zhǔn)確性有所提高。(3)利用改進(jìn)后的算法為讀者進(jìn)行個性化圖書推薦,采用江蘇某高校圖書館2011-2013年的真實借閱數(shù)據(jù)設(shè)計相關(guān)實驗進(jìn)行實證研究,最后結(jié)果表明改進(jìn)算法在查準(zhǔn)率和查全率方面都要優(yōu)于傳統(tǒng)的算法,推薦質(zhì)量也有一定的提高,使用該算法來進(jìn)行圖書推薦是可行的。(4)最后采用改進(jìn)后的算法并結(jié)合基于內(nèi)容的技術(shù)設(shè)計并實現(xiàn)一個簡單的個性化圖書推薦原型系統(tǒng),從而實現(xiàn)圖書館的個性化服務(wù)。
【關(guān)鍵詞】：高校圖書館 協(xié)同過濾 個性化推薦 相似度
【學(xué)位授予單位】：南京財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.3;G250.7
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-13
• 1.1 研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-10
• 1.3 存在的問題10-11
• 1.4 研究內(nèi)容和創(chuàng)新11-12
• 1.5 論文結(jié)構(gòu)12-13
• 第二章 相關(guān)理論13-17
• 2.1 用戶興趣建模技術(shù)13
• 2.2 主要推薦技術(shù)13-15
• 2.2.1 基于內(nèi)容的推薦技術(shù)13-14
• 2.2.2 基于用戶統(tǒng)計信息的推薦技術(shù)14
• 2.2.3 基于協(xié)同過濾的推薦技術(shù)14-15
• 2.3 其他推薦技術(shù)介紹15-16
• 2.3.1 基于關(guān)聯(lián)規(guī)則的推薦15
• 2.3.2 基于效用和基于知識的推薦15-16
• 2.4 各種推薦技術(shù)的比較16
• 2.5 本章小結(jié)16-17
• 第三章 協(xié)同過濾算法的改進(jìn)17-33
• 3.1 傳統(tǒng)的協(xié)同過濾算法17-19
• 3.1.1 協(xié)同過濾概述17
• 3.1.2 基于用戶協(xié)同過濾17-19
• 3.2 改進(jìn)的協(xié)同過濾算法19-24
• 3.2.1 基于讀者借閱記錄的協(xié)同過濾19-21
• 3.2.2 基于讀者-圖書分類的協(xié)同過濾21-22
• 3.2.3 相似度度量的改進(jìn)22-23
• 3.2.4 最近鄰選取方法的改進(jìn)23-24
• 3.3 改進(jìn)算法的實現(xiàn)24-28
• 3.3.1 改進(jìn)算法描述24-25
• 3.3.2 數(shù)據(jù)表示25-26
• 3.3.3 尋找K最近鄰26-27
• 3.3.4 產(chǎn)生推薦27-28
• 3.4 實驗設(shè)計及分析28-32
• 3.4.1 實驗數(shù)據(jù)與實驗環(huán)境28-29
• 3.4.2 實驗評價標(biāo)準(zhǔn)29
• 3.4.3 實驗結(jié)果及分析29-32
• 3.5 本章小結(jié)32-33
• 第四章 推薦系統(tǒng)原型設(shè)計及實現(xiàn)33-43
• 4.1 開發(fā)環(huán)境和整體框架33-34
• 4.2 數(shù)據(jù)庫設(shè)計34-37
• 4.3 系統(tǒng)主要模塊37-38
• 4.4 推薦實現(xiàn)過程38-40
• 4.4.1 數(shù)據(jù)準(zhǔn)備38
• 4.4.2 主要流程38-40
• 4.5 系統(tǒng)功能模塊展示40-42
• 4.6 本章小結(jié)42-43
• 第五章 總結(jié)與展望43-45
• 5.1 本文總結(jié)43
• 5.2 未來展望43-45
• 參考文獻(xiàn)45-48
• 攻讀碩士學(xué)位期間發(fā)表的論文48-49
• 致謝49

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 黃裕洋;金遠(yuǎn)平;;一種綜合用戶和項目因素的協(xié)同過濾推薦算法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2010年05期

2 雷蕾;;基于關(guān)聯(lián)規(guī)則的個性化圖書推薦研究[J];情報探索;2011年01期

3 張光衛(wèi);李德毅;李鵬;康建初;陳桂生;;基于云模型的協(xié)同過濾推薦算法[J];軟件學(xué)報;2007年10期

4 景民昌;于迎輝;;基于借閱時間評分的協(xié)同圖書推薦模型與應(yīng)用[J];圖書情報工作;2012年03期

5 田元;李佳;宋緯華;;一種基于用戶層次信息的關(guān)聯(lián)規(guī)則圖書推薦系統(tǒng)[J];現(xiàn)代情報;2010年12期

6 陸覺民;鄭宇;;數(shù)據(jù)挖掘技術(shù)的改進(jìn)在圖書館個性化服務(wù)中的應(yīng)用[J];現(xiàn)代圖書情報技術(shù);2006年08期

  本文關(guān)鍵詞：個性化推薦技術(shù)在圖書館服務(wù)中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

本文編號：341962