基于文本語義的個性化圖書推薦.pdf

1、互聯(lián)網中積累的海量圖書標簽、摘要為分析閱讀興趣和構建個性化圖書推薦系統(tǒng)提供了新的數(shù)據(jù)來源。因此本文主要研究如何整合標簽、摘要等文本數(shù)據(jù)，構建個性化圖書推薦系統(tǒng)，提升系統(tǒng)性能。
　　本文工作可以分為基于語義的興趣偏好模型、推薦算法的設計和基于Spark平臺的并行化實現(xiàn)三個部分。首先提出基于詞向量和共現(xiàn)頻次計算標簽語義相似度的算法，并針對具體場景設計優(yōu)化方式。然后分別使用PIC算法和LDA算法建立基于標簽和圖書摘要的語義偏好模型，并采

2、用基于語義偏好的協(xié)同過濾擴展算法生成圖書推薦列表。最后，在Spark分布式計算平臺上并行化實現(xiàn)推薦系統(tǒng)。
　　本文首先介紹了課題的研究背景與意義，在相關文獻的基礎上，總結了影響個性化推薦系統(tǒng)性能的關鍵問題，明確了本文的具體研究內容。其次，本文研究了語義分析、聚類、推薦算法等課題關鍵技術，指出各種技術的優(yōu)缺點，是后續(xù)研究的理論基礎。再者，建立基于文本語義的興趣偏好模型。其中，引入衰減函數(shù)作為權重，解決標簽偏好的時間效應問題;提出基于

3、詞向量和共現(xiàn)頻次計算標簽相似度的算法，并針對本課題的具體場景設計優(yōu)化方式，提升相關性計算的準確度;基于PIC算法實現(xiàn)標簽聚類，建立基于標簽語義的興趣偏好模型，解決了標簽的稀疏問題;利用LDA算法分析圖書摘要潛在主題分布，建立摘要語義偏好模型，解決標簽過少引起的冷啟動問題。
　　本文使用基于語義偏好的協(xié)同過濾擴展算法生成推薦結果，并設計實驗測試系統(tǒng)性能。
　　實驗結果表明:
　　(1)基于文本語義的閱讀興趣偏好特征能夠正