基于深度學習的讀者檢索借閱研究.pdf

1、隨著互聯(lián)網(wǎng)不斷普及，網(wǎng)絡信息量不斷增加，人們在選擇網(wǎng)絡資源時往往面對種類繁多的信息，這類問題在圖書借閱以及文獻檢索當中同樣存在。讀者在選擇自己喜歡的圖書、文獻過程中往往需要搜索、查找，然而圖書、文獻的種類、數(shù)量越來越多，人們在選擇自己喜歡的圖書或者進行文獻檢索時往往需要耗費較多的查找時間，檢索文獻所給出的檢索結果也往往不能充分結合讀者特點，總體上個性化水平還有待提高。因此本文通過對目前的圖書推薦進行研究，討論基于聚類與協(xié)同過濾的圖書推薦

2、算法，結合近幾年機器學習中的研究熱點——深度學習，對于將深度學習模型應用到改進讀者檢索借閱方面的問題進行了探索。通過對深度學習模型的研究，討論了基于受限玻爾茲曼機的協(xié)同過濾圖書推薦以及基于深度玻爾茲曼機(DBM)的協(xié)同過濾圖書推薦，對于這兩種圖書推薦方法在圖書個性化推薦方面的應用前景進行了探討。對于文獻檢索當中的檢索結果排序問題，探討了采用深度信念網(wǎng)絡(DBN)進行讀者文獻興趣度排序計算的方法。
　　(1)目前個性化推薦技術種類很

3、多，本文對多種推薦技術的優(yōu)缺點進行了分析。在此基礎上，討論了基于讀者聚類與圖書聚類相結合的混合協(xié)同過濾圖書推薦算法，在高校讀者借閱記錄數(shù)據(jù)上進行仿真實驗，驗證了算法的有效性。在平均絕對誤差上對混合協(xié)同過濾圖書推薦算法與基于用戶的協(xié)同過濾推薦算法進行比較，結果表明混合協(xié)同過濾圖書推薦算法在平均絕對誤差上基本優(yōu)于傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法。
　　(2)受限玻爾茲曼機是深度學習模型當中的基本組成單元，受限玻爾茲曼機可以很好的應用于