面向數(shù)字圖書館的協(xié)同過濾推薦算法的研究.pdf

1、由于數(shù)字圖書館具有豐富的信息資源和便捷的操作性，在近幾年內(nèi)其得以快速的普及和發(fā)展。當(dāng)前比較成功的數(shù)字圖書館系統(tǒng)有ACM數(shù)字圖書館，中國知網(wǎng)（CNKI）等，但是它們面臨著用戶無法快速找到自己所需資源的問題，個性化的推薦技術(shù)是解決這一問題的最好方法。個性化推薦技術(shù)在數(shù)字圖書館服務(wù)中的應(yīng)用，不僅為用戶提供了個性化的內(nèi)容，簡化了用戶操作，也提升數(shù)字圖書館的資源利用效率，達(dá)到了雙方的共贏。推薦技術(shù)是本論文的主要研究內(nèi)容。
　　在眾多的推薦技

2、術(shù)中，協(xié)同過濾推薦技術(shù)是個性化推薦技術(shù)中被廣泛使用的技術(shù)之一，論文主要討論的是基于用戶的協(xié)同過濾推薦技術(shù)。協(xié)同過濾技術(shù)面臨的諸多問題中，數(shù)據(jù)稀疏性問題是最為嚴(yán)峻的。該問題會導(dǎo)致傳統(tǒng)算法無法準(zhǔn)確計算用戶間的相似度，進(jìn)而影響最終的推薦效果。雖然傳統(tǒng)的評分矩陣缺省值填充方法可以緩解這一問題，但效果并不是非常理想。數(shù)據(jù)稀疏性問題也是本論文的主要研究的內(nèi)容之一。
　　本論文的主要研究內(nèi)容有：對于數(shù)據(jù)稀疏性問題，論文中提出了改進(jìn)的項目評分預(yù)測

3、方法，即將用戶間評分項目的并集作為用戶間的共同評分項，利用項目間的相似度預(yù)測用戶對未評分項目的評分值，該方法可以更準(zhǔn)確地計算用戶間的相似度；與此同時，論文對傳統(tǒng)的皮爾森相關(guān)系數(shù)公式進(jìn)行了改進(jìn)，提出了評價系數(shù)的概念，以更加準(zhǔn)確地衡量不同熱門程度間用戶的真實相似度；最后，論文對傳統(tǒng)預(yù)測評分公式進(jìn)行了改進(jìn)，通過利用基于標(biāo)簽的方法和基于項目的協(xié)同過濾方法計算項目間的相似度，來預(yù)測預(yù)分公式中鄰居集用戶對未評分目標(biāo)項目的評分值。
　　在數(shù)據(jù)集