基于深度學(xué)習(xí)的讀者檢索借閱研究.pdf

1、隨著互聯(lián)網(wǎng)不斷普及，網(wǎng)絡(luò)信息量不斷增加，人們?cè)谶x擇網(wǎng)絡(luò)資源時(shí)往往面對(duì)種類(lèi)繁多的信息，這類(lèi)問(wèn)題在圖書(shū)借閱以及文獻(xiàn)檢索當(dāng)中同樣存在。讀者在選擇自己喜歡的圖書(shū)、文獻(xiàn)過(guò)程中往往需要搜索、查找，然而圖書(shū)、文獻(xiàn)的種類(lèi)、數(shù)量越來(lái)越多，人們?cè)谶x擇自己喜歡的圖書(shū)或者進(jìn)行文獻(xiàn)檢索時(shí)往往需要耗費(fèi)較多的查找時(shí)間，檢索文獻(xiàn)所給出的檢索結(jié)果也往往不能充分結(jié)合讀者特點(diǎn)，總體上個(gè)性化水平還有待提高。因此本文通過(guò)對(duì)目前的圖書(shū)推薦進(jìn)行研究，討論基于聚類(lèi)與協(xié)同過(guò)濾的圖書(shū)推薦

2、算法，結(jié)合近幾年機(jī)器學(xué)習(xí)中的研究熱點(diǎn)——深度學(xué)習(xí)，對(duì)于將深度學(xué)習(xí)模型應(yīng)用到改進(jìn)讀者檢索借閱方面的問(wèn)題進(jìn)行了探索。通過(guò)對(duì)深度學(xué)習(xí)模型的研究，討論了基于受限玻爾茲曼機(jī)的協(xié)同過(guò)濾圖書(shū)推薦以及基于深度玻爾茲曼機(jī)(DBM)的協(xié)同過(guò)濾圖書(shū)推薦，對(duì)于這兩種圖書(shū)推薦方法在圖書(shū)個(gè)性化推薦方面的應(yīng)用前景進(jìn)行了探討。對(duì)于文獻(xiàn)檢索當(dāng)中的檢索結(jié)果排序問(wèn)題，探討了采用深度信念網(wǎng)絡(luò)(DBN)進(jìn)行讀者文獻(xiàn)興趣度排序計(jì)算的方法。
　　(1)目前個(gè)性化推薦技術(shù)種類(lèi)很

3、多，本文對(duì)多種推薦技術(shù)的優(yōu)缺點(diǎn)進(jìn)行了分析。在此基礎(chǔ)上，討論了基于讀者聚類(lèi)與圖書(shū)聚類(lèi)相結(jié)合的混合協(xié)同過(guò)濾圖書(shū)推薦算法，在高校讀者借閱記錄數(shù)據(jù)上進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證了算法的有效性。在平均絕對(duì)誤差上對(duì)混合協(xié)同過(guò)濾圖書(shū)推薦算法與基于用戶(hù)的協(xié)同過(guò)濾推薦算法進(jìn)行比較，結(jié)果表明混合協(xié)同過(guò)濾圖書(shū)推薦算法在平均絕對(duì)誤差上基本優(yōu)于傳統(tǒng)的基于用戶(hù)的協(xié)同過(guò)濾推薦算法。
　　(2)受限玻爾茲曼機(jī)是深度學(xué)習(xí)模型當(dāng)中的基本組成單元，受限玻爾茲曼機(jī)可以很好的應(yīng)用于