基于Hadoop的高校圖書館個性化信息服務(wù)研究.pdf

1、隨著信息時代的到來，數(shù)據(jù)呈爆炸式增長，如何從海量數(shù)據(jù)中找到用戶的興趣點(diǎn)，并將用戶感興趣的物品推薦給用戶，成為當(dāng)今各領(lǐng)域研究的熱點(diǎn)。同樣在各高校圖書館中，如何解決信息資源過載并找到用戶感興趣的圖書推薦給用戶，成為建立智慧圖書館個性化服務(wù)的重要研究方向。論文提出在個性化信息服務(wù)中，通過分析用戶的行為信息，構(gòu)建用戶興趣模型，并在用戶模型的基礎(chǔ)上，準(zhǔn)確理解在校用戶的個性化需求，設(shè)計(jì)高效的推薦算法為用戶進(jìn)行推薦，提高用戶滿意度;同時采用Hadoo

2、p技術(shù)框架并行化處理數(shù)據(jù)，提高計(jì)算效率。
　　論文主要的工作如下：
　　1.對高校圖書館書籍分類進(jìn)行了研究，結(jié)合大型圖書商城的分類、《中圖法》、《中分表》等對圖書進(jìn)行了分類。
　　2.挖掘用戶興趣愛好，建立用戶興趣模型。首先根據(jù)在校用戶填寫的信息或者用戶的屬性信息初始化用戶興趣模型;然后根據(jù)用戶的瀏覽行為建立用戶短期興趣模型，并通過用戶行為借閱時間、瀏覽次數(shù)、收藏、評分歸一化加權(quán)建立用戶長期興趣模型，不斷更新用戶興趣庫

3、，獲取用戶喜好信息。
　　3.圖書推薦算法研究。根據(jù)用戶對圖書的評分信息，為用戶進(jìn)行協(xié)同過濾推薦。當(dāng)基于用戶瀏覽行為建立短期用戶模型時，找到用戶偏好圖書類別中近期瀏覽次數(shù)較高的的圖書，為用戶推薦與這些圖書相似較高的圖書;當(dāng)基于用戶多行為建立長期用戶模型時，根據(jù)用戶已有的評分，預(yù)測用戶偏好圖書類別中未評分的圖書，推薦給用戶預(yù)測評分較高的圖書，并利用MAE值對預(yù)測評分和通過用戶調(diào)查得到的實(shí)際評分進(jìn)行比較，發(fā)現(xiàn)利用修正余弦進(jìn)行相似度計(jì)算