基于標(biāo)簽主題建模的圖書(shū)推薦系統(tǒng)研究.pdf

1、我們正身處一個(gè)信息爆炸的社會(huì)，人們逐漸從信息匱乏的時(shí)代走進(jìn)了信息過(guò)載的時(shí)代。計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的發(fā)展使得人們對(duì)知識(shí)和信息的獲取變得前所未有的便捷，數(shù)字圖書(shū)館的出現(xiàn)就是一個(gè)最佳例證。在過(guò)去的數(shù)十年里，數(shù)字圖書(shū)館因?yàn)槠鋫鞑ブR(shí)所帶來(lái)的巨大社會(huì)效益而受到各國(guó)政府的重視，得到了迅速的發(fā)展。隨著數(shù)字圖書(shū)館的不斷建設(shè)，數(shù)字資源的不斷豐富，讀者在面對(duì)如此海量的數(shù)字資源的時(shí)候也顯得手足無(wú)措，不知道如何尋找自己感興趣的圖書(shū)。大量的數(shù)字資源因此而未被充分利用

2、。本文針對(duì)CADAL數(shù)字圖書(shū)館中資源具有標(biāo)簽這一特點(diǎn)，結(jié)合CADAL用戶的閱讀行為日志，提出了一種基于標(biāo)簽主題建模的圖書(shū)推薦方法，提高CADAL平臺(tái)中資源的利用效率。
　　本文圍繞基于標(biāo)簽主題建模的圖書(shū)推薦系統(tǒng)的研發(fā)，做了以下工作:
　　第一，提出了一種基于LDA主題建模圖書(shū)推薦方法。通過(guò)利用CADAL圖書(shū)資源中的標(biāo)簽信息，挖掘隱含主題，使用Gibbs采樣方法得到每個(gè)主題-標(biāo)簽?zāi)Ｐ汀Ｈ缓蟾鶕?jù)用戶的閱讀行為日志獲得已讀圖書(shū)列表

3、，使用LDA-inference算法推算出用戶在各個(gè)主題上的概率分布。最后根據(jù)用戶在各個(gè)主題分布上的相似性來(lái)進(jìn)行基于用戶的圖書(shū)推薦。
　　第二，研究了采用多模型集成追蹤用戶閱讀興趣變化的方法。通過(guò)設(shè)定時(shí)問(wèn)窗口，對(duì)用戶的閱讀行為日志進(jìn)行分段，針對(duì)每個(gè)時(shí)間窗口使用前面提到的主題建模方法建立用戶-主題模型。然后計(jì)算兩個(gè)相鄰時(shí)間窗口中生成的模型的差異程度，以檢測(cè)用戶的閱讀興趣是否發(fā)生概念漂移。通過(guò)保留具有代表性的用戶-主題模型，并且使用多