基于關聯(lián)圖譜的高校圖書館圖書個性化推薦方法研究.pdf

1、隨著科學技術的快速發(fā)展，高校圖書館的藏書量越來越大，為了能夠幫助讀者快速找到其可能喜歡的圖書，需要通過個性化推薦系統(tǒng)來實現(xiàn)，根據(jù)如讀者的歷史操作記錄等多方面信息挖掘讀者的喜好，從而產(chǎn)生推薦圖書列表。
　　針對高校圖書館場景提出一種基于關聯(lián)圖譜的圖書個性化推薦方法。面對目前圖書館內(nèi)藏書量大，讀者操作日志繁多的問題，采用圖模型進行數(shù)據(jù)存儲。首先對源數(shù)據(jù)進行清洗、抽取和轉(zhuǎn)換后，將讀者和圖書等作為節(jié)點，操作日志作為邊，建立圖模型。然后通過

2、隱式打分和讀者間相似度，建立關聯(lián)圖譜，其中計算讀者間相似度時，針對高校圖書館場景下，讀者專業(yè)性強、操作記錄少等特點，采用讀者-圖書類別偏好矩陣減少了矩陣稀疏度，并引入讀者個人信息矩陣。隨后使用譜聚類對關聯(lián)圖譜中的讀者節(jié)點進行聚類，生成不同的類簇群體。最后對讀者進行線上推薦時，在對應的類簇群體中通過協(xié)同過濾算法和預測評分的高低得出推薦圖書列表。
　　在測試環(huán)節(jié)，使用學校圖書館的數(shù)據(jù)信息作為實驗數(shù)據(jù)，進行了多組測試。首先和基于K-me