基于Web挖掘的圖書(shū)館個(gè)性化推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著信息技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，圖書(shū)館的數(shù)字資源越來(lái)越豐富和完善，對(duì)于數(shù)字圖書(shū)館來(lái)說(shuō)，不僅僅為讀者提供信息資源，還需要對(duì)于不同的用戶(hù)提供個(gè)性化的信息服務(wù)，進(jìn)而提升數(shù)字圖書(shū)館的服務(wù)質(zhì)量和水平，提高資源信息的利用率。在此背景下，本文提出了一種基于Web的數(shù)字圖書(shū)館個(gè)性化服務(wù)機(jī)制，并從實(shí)現(xiàn)算法的角度，對(duì)系統(tǒng)進(jìn)行了研究。
　　本文在分析當(dāng)前提供個(gè)性化服務(wù)的內(nèi)涵、特征和方式的基礎(chǔ)上，利用數(shù)據(jù)挖掘領(lǐng)域的Web挖掘技術(shù)的方案，解決了圖書(shū)館個(gè)性化信

2、息服務(wù)不足的問(wèn)題。首先研究了兩種基于Web的個(gè)性化服務(wù)挖掘技術(shù)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)技術(shù)和聚類(lèi)方法，并對(duì)各算法的性能、優(yōu)缺點(diǎn)進(jìn)行了分析，針對(duì)k-means聚類(lèi)算法中必須先指定聚類(lèi)數(shù)目k值的不足，提出了先層次聚類(lèi)再劃分聚類(lèi)的兩種聚類(lèi)相結(jié)合的算法。接著從系統(tǒng)功能的實(shí)現(xiàn)過(guò)程出發(fā)，提出了在線和離線部分分離設(shè)計(jì)、融合實(shí)現(xiàn)個(gè)性化推薦的設(shè)計(jì)思想。系統(tǒng)首先從數(shù)據(jù)準(zhǔn)備、用戶(hù)興趣模型的建立，其次到在線推薦引擎產(chǎn)生結(jié)果推薦集的各個(gè)模塊的功能設(shè)計(jì)，然后再對(duì)離線部分詳細(xì)的

3、設(shè)計(jì)，最后提出了用戶(hù)興趣模型庫(kù)，通過(guò)對(duì)用戶(hù)Web瀏覽內(nèi)容和用戶(hù)瀏覽行為的分析，將二者的分析結(jié)果相結(jié)合形成用戶(hù)興趣描述文件，再與信息資源庫(kù)相關(guān)聯(lián)生成用戶(hù)興趣模型庫(kù)的設(shè)計(jì)思想，使用戶(hù)興趣模型以二層結(jié)構(gòu)的基于向量空間模型的形式表示。本文還對(duì)用戶(hù)興趣模型庫(kù)的更新算法進(jìn)行了分析和探討。最后個(gè)性化推薦系統(tǒng)的實(shí)現(xiàn)，包括了三個(gè)主要模塊數(shù)據(jù)預(yù)處理模塊，頻繁訪問(wèn)模式發(fā)現(xiàn)模塊，在線推薦模塊的代碼及實(shí)現(xiàn)，對(duì)系統(tǒng)進(jìn)行了測(cè)試，結(jié)果分析表明系統(tǒng)很好地實(shí)現(xiàn)了用戶(hù)的需求