基于hadoop的高校圖書館個(gè)性化信息服務(wù)研究

1、分類號(hào)：密級(jí)：T P 3 9 1 單位代碼：學(xué) 號(hào)：1 0 0 8 62 0 13 2 0 6 0 0 8 0基于H a d o o p 的高校圖書館個(gè)性化信息服務(wù)研究R e s e a r c h o n P e r s o n a l i z e dI n f o r m a t i o n S e r v i c eo fU n i v e r s i t y L i b r a r y B a s e d o nH a d o

2、o p學(xué)位申請(qǐng)人：趙鵬博指導(dǎo)教師：韓憲忠教授學(xué)科專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)學(xué)位類別：工學(xué)碩士授予單位：河北農(nóng)業(yè)大學(xué)答辯日期：二。一六年六月四日摘要隨著信息時(shí)代的到來(lái)，數(shù)據(jù)呈爆炸式增長(zhǎng)，如何從海量數(shù)據(jù)中找到用戶的興趣點(diǎn)，并將用戶感興趣的物品推薦給用戶，成為當(dāng)今各領(lǐng)域研究的熱點(diǎn)。同樣在各高校圖書館中，如何解決信息資源過(guò)載并找到用戶感興趣的圖書推薦給用戶，成為建立智慧圖書館個(gè)性化服務(wù)的重要研究方向。論文提出在個(gè)性化信息服務(wù)中，通過(guò)分析用戶的行為信息

3、，構(gòu)建用戶興趣模型，并在用戶模型的基礎(chǔ)上，準(zhǔn)確理解在校用戶的個(gè)性化需求，設(shè)計(jì)高效的推薦算法為用戶進(jìn)行推薦，提高用戶滿意度；同時(shí)采用H a d o o p 技術(shù)框架并行化處理數(shù)據(jù)，提高計(jì)算效率。論文主要的工作如下：1 ．對(duì)高校圖書館書籍分類進(jìn)行了研究，結(jié)合大型圖書商城的分類、《中圖法》、《中分表》等對(duì)圖書進(jìn)行了分類。2 ．挖掘用戶興趣愛(ài)好，建立用戶興趣模型。首先根據(jù)在校用戶填寫的信息或者用戶的屬性信息初始化用戶興趣模型；然后根據(jù)用戶的瀏覽

4、行為建立用戶短期興趣模型，并通過(guò)用戶行為借閱時(shí)間、瀏覽次數(shù)、收藏、評(píng)分歸一化加權(quán)建立用戶長(zhǎng)期興趣模型，不斷更新用戶興趣庫(kù)，獲取用戶喜好信息。3 ．圖書推薦算法研究。根據(jù)用戶對(duì)圖書的評(píng)分信息，為用戶進(jìn)行協(xié)同過(guò)濾推薦。當(dāng)基于用戶瀏覽行為建立短期用戶模型時(shí)，找到用戶偏好圖書類別中近期瀏覽次數(shù)較高的的圖書，為用戶推薦與這些圖書相似較高的圖書；當(dāng)基于用戶多行為建立長(zhǎng)期用戶模型時(shí)，根據(jù)用戶已有的評(píng)分，預(yù)測(cè)用戶偏好圖書類別中未評(píng)分的圖書，推薦給用戶預(yù)

5、測(cè)評(píng)分較高的圖書，并利用M A E 值對(duì)預(yù)測(cè)評(píng)分和通過(guò)用戶調(diào)查得到的實(shí)際評(píng)分進(jìn)行比較，發(fā)現(xiàn)利用修正余弦進(jìn)行相似度計(jì)算推薦精確度最高。對(duì)于圖書館中的新書和熱門圖書，采用基于內(nèi)容的推薦，并分別解決了新書和新用戶的冷啟動(dòng)問(wèn)題。最后通過(guò)實(shí)驗(yàn)驗(yàn)證了圖書推薦算法在一定程度上滿足了用戶的個(gè)性化需求。4 ．搭建了基于H a d o o p 的偽分布式實(shí)驗(yàn)環(huán)境，對(duì)基于用戶．圖書評(píng)分的協(xié)同過(guò)濾算法進(jìn)行了并行化設(shè)計(jì)，實(shí)驗(yàn)結(jié)果表明并行化算法可提高計(jì)算效率。關(guān)鍵