高校圖書(shū)推薦系統(tǒng)算法與模型的研究.pdf

1、21世紀(jì)以來(lái)，全世界科技水平不斷提高，信息呈現(xiàn)爆炸式增長(zhǎng)，人們從尋找信息的模式變成了尋找有用信息的模式。從海量信息中尋找到對(duì)自己有用信息的手段有很多，推薦系統(tǒng)是其中最重要也是最廣泛使用的手段之一。各大網(wǎng)商通過(guò)使用推薦系統(tǒng)對(duì)用戶進(jìn)行個(gè)性化的推薦，都取得了不錯(cuò)的成果，這也為推薦系統(tǒng)在高等院校圖書(shū)推薦領(lǐng)域的應(yīng)用提供了可能性。
　　推薦系統(tǒng)中的算法有很多，其中最經(jīng)典應(yīng)用最廣泛的是協(xié)同過(guò)濾算法。本文對(duì)基于用戶和基于項(xiàng)目的協(xié)同過(guò)濾算法進(jìn)行了深

2、入研究，針對(duì)高校圖書(shū)推薦的特殊性，如借閱數(shù)據(jù)而無(wú)法直接使用，相似度矩陣太過(guò)稀疏而無(wú)法產(chǎn)生推薦等問(wèn)題，改進(jìn)了這兩種算法。但是這兩個(gè)算法在高校圖書(shū)推薦領(lǐng)域都有著各自的優(yōu)劣勢(shì)，通過(guò)對(duì)兩者的結(jié)合，提出了混合推薦系統(tǒng)模型。最后通過(guò)實(shí)驗(yàn)對(duì)比了混合推薦算法與單一推薦算法的各項(xiàng)評(píng)價(jià)指標(biāo)，為應(yīng)用于高校圖書(shū)推薦提供了理論支撐。
　　本研究的主要工作有以下五個(gè)部分:
　　第一部分，深入研究了推薦系統(tǒng)的原理以及一些經(jīng)典的推薦算法，并對(duì)推薦算法應(yīng)用在

3、高校圖書(shū)推薦領(lǐng)域的可行性進(jìn)行了分析，然后構(gòu)建了基于讀者(RCF)和基于圖書(shū)(BCF)的協(xié)同過(guò)濾算法模型。
　　第二部分，由于高校圖書(shū)推薦不同于電影推薦或者商品推薦，它不包含用戶對(duì)物品的評(píng)分，針對(duì)這一特點(diǎn)，通過(guò)對(duì)圖書(shū)借閱記錄的處理，提出一種量化評(píng)分模型，將讀者對(duì)圖書(shū)的偏好定量化，在此基礎(chǔ)上，構(gòu)建了讀者-圖書(shū)的評(píng)分矩陣。
　　第三部分，針對(duì)讀者-圖書(shū)評(píng)分矩陣過(guò)于稀疏的特點(diǎn)，將中文圖書(shū)分類(lèi)法與圖書(shū)借閱記錄相結(jié)合，構(gòu)建了讀者-圖書(shū)類(lèi)