數(shù)字圖書館協(xié)同過濾推薦系統(tǒng)的最近鄰集合確定方法研究.pdf

1、目的：
　　隨著計(jì)算機(jī)技術(shù)和信息技術(shù)的飛速發(fā)展，信息過載問題成為人們?nèi)找骊P(guān)注的焦點(diǎn)，人們無法在茫茫的的信息海洋中快速高效地檢索到自己所需要的信息。這種現(xiàn)象直接催生了個(gè)性化推薦技術(shù)的產(chǎn)生和發(fā)展。個(gè)性化推薦技術(shù)最初應(yīng)用于電子商務(wù)領(lǐng)域，并迅速取得了顯著的成績，之后逐漸延伸到數(shù)字圖書館領(lǐng)域，為數(shù)字圖書館的個(gè)性化服務(wù)、信息資源推廣提供了技術(shù)支持。
　　本研究試圖將聚類算法引入到數(shù)字圖書館的協(xié)同過濾系統(tǒng)中，嘗試?yán)镁垲惙椒ù_定協(xié)同過濾推

2、薦系統(tǒng)中目標(biāo)用戶的最近鄰集合，旨在初步探討利用聚類方法確定最近鄰集合的協(xié)同過濾推薦技術(shù)對(duì)數(shù)字圖書館的讀者進(jìn)行個(gè)性化服務(wù)的可行性。
　　材料和方法：
　　通過調(diào)查問卷的方式獲得中國醫(yī)科大學(xué)47名腫瘤學(xué)研究生的畢業(yè)論文題目，根據(jù)其內(nèi)容制定相應(yīng)的檢索策略，在Pubmed數(shù)據(jù)庫中檢索出文獻(xiàn)并將其按相關(guān)度進(jìn)行排序，選取各檢索結(jié)果的前5篇文獻(xiàn)組成評(píng)分文獻(xiàn)集，讓調(diào)查用戶分別對(duì)評(píng)分文獻(xiàn)集中的至少15篇文獻(xiàn)（包括與論文題目最相關(guān)的5篇文獻(xiàn)和其

3、他隨機(jī)的10篇文獻(xiàn)）進(jìn)行評(píng)分，評(píng)分值范圍從1至5，1表示最不感興趣，5表示最感興趣。根據(jù)評(píng)分結(jié)果建立評(píng)分矩陣并進(jìn)行預(yù)處理，然后使用SPSS19.0對(duì)用戶進(jìn)行聚類。依次以1名用戶為目標(biāo)用戶，其余46名用戶為基本用戶。目標(biāo)用戶確定后，首先根據(jù)聚類結(jié)果判定目標(biāo)用戶的所屬類別，然后將其類別內(nèi)的用戶確定為最近鄰集合，根據(jù)最近鄰對(duì)文獻(xiàn)的評(píng)價(jià)預(yù)測(cè)目標(biāo)用戶的評(píng)分并向其推薦文獻(xiàn)。推薦結(jié)果使用平均絕對(duì)誤差(MAE)進(jìn)行評(píng)價(jià)。
　　結(jié)果：
　　4

4、7名腫瘤學(xué)研究生(19名博士，28名碩士)對(duì)文獻(xiàn)進(jìn)行評(píng)分后，形成47*222階的評(píng)分矩陣。對(duì)用戶的評(píng)分矩陣進(jìn)行聚類后，將47名用戶聚成6大類，其中第一大類包括用戶2、12、4、9、3、15、40、1、5、7、45、41，第二大類包括用戶38、42、16、24、43，第三大類包括11、37、20、27、19、44，第四大類包括8、46、34、13、18、28、35，第五大類包括22、39、23、33、47、17、21、32，第六大類包括6

5、、30、25、10、26、14、36、31、29。當(dāng)目標(biāo)用戶分別歸屬于不同類目時(shí)，最近鄰集合內(nèi)的用戶數(shù)分別為4、6、4、5、6、7、8。根據(jù)最近鄰對(duì)文獻(xiàn)的評(píng)價(jià)預(yù)測(cè)目標(biāo)用戶的評(píng)分，并向其推薦預(yù)測(cè)評(píng)分最高的5篇文獻(xiàn)。對(duì)推薦文獻(xiàn)進(jìn)行有效的二次評(píng)分的用戶為35名，其MAE值均在0-1之間，說明預(yù)測(cè)結(jié)果比較接近用戶對(duì)文獻(xiàn)的實(shí)際預(yù)測(cè)分值。
　　結(jié)論：
　　利用聚類確定協(xié)同過濾推薦系統(tǒng)最近鄰居集合的方法，可以避免傳統(tǒng)的最近鄰確定方法的主觀