基于協(xié)同過濾的圖書推薦算法研究.pdf

1、隨著學(xué)校圖書數(shù)量的增加，如何從海量圖書中推薦讀者感興趣的圖書成為了一個亟須解決的問題。圖書推薦的目標(biāo)是主動挖掘讀者與圖書的關(guān)聯(lián)信息并為讀者提供準(zhǔn)確的推薦服務(wù)。對圖書推薦的深入研究有利于讀者快速找到自己所需的圖書，也將對校園信息化等應(yīng)用領(lǐng)域產(chǎn)生深遠(yuǎn)的影響。因此研究圖書推薦算法并構(gòu)建一個具有精確性和個性化的圖書推薦系統(tǒng)具有十分重要的理論意義和應(yīng)用價值。
　　本文重點(diǎn)研究了基于隱語義的協(xié)作過濾圖書推薦方法與基于聚類專家選擇的協(xié)同過濾圖書

2、推薦算法。針對協(xié)同過濾算法難以處理高維度以及稀疏數(shù)據(jù)等問題，提出了相應(yīng)的解決方案，該方案考慮了用戶在預(yù)覽圖書時的時間以及用戶與用戶之間的相似度，提高了算法的推薦精度。
　　論文的主要工作有以下幾個方面:
　　(1)針對協(xié)同過濾算法難以處理高維度以及稀疏數(shù)據(jù)等問題，提出了一種基于隱含語義分析的協(xié)同過濾圖書推薦算法，該算法融合了用戶的顯性反饋與隱性反饋信息，考慮了用戶在預(yù)覽圖書時的時間以及用戶與用戶之間的相似度，提高了算法的精度

3、，運(yùn)用統(tǒng)計方法來發(fā)現(xiàn)用戶在圖書使用過程中潛在的語義結(jié)構(gòu)，分析用戶對圖書的興趣度，幫助用戶快速發(fā)現(xiàn)感興趣的圖書，提升了用戶體驗(yàn)。
　　(2)隨著用戶數(shù)與圖書館圖書數(shù)量的增加以及圖書館圖書推薦系統(tǒng)規(guī)模的擴(kuò)大，圖書推薦算法面臨著擴(kuò)展性問題。為此，提出了一種基于聚類專家選擇的協(xié)同過濾算法(Experts Recommend the Book Selection based on Clustering，ERSC)，該算法對專家進(jìn)行了重定義，