基于協(xié)同過濾及關(guān)聯(lián)規(guī)則的個性化圖書推薦.pdf

1、目前高校圖書館的圖書種類繁多，數(shù)量龐大，面對海量的圖書信息資源，一方面學(xué)生需要花費大量的時間和精力來獲取需要的圖書，另一方面?zhèn)鹘y(tǒng)的檢索查詢或熱門推薦等方式往往不能產(chǎn)生令人滿意的結(jié)果。面對學(xué)生日益變化的個人需求，傳統(tǒng)的圖書館工作模式顯然不能滿足學(xué)生的個性化需求。因此，發(fā)展高校圖書館個性化圖書推薦服務(wù)是未來的必然趨勢。
　　在查閱了相關(guān)文獻的基礎(chǔ)上，本文提出了基于協(xié)同過濾及關(guān)聯(lián)規(guī)則的個性化圖書推薦算法。首先針對基于圖書借閱記錄協(xié)同過濾

2、算法中存在的系統(tǒng)擴展性和數(shù)據(jù)稀疏性問題進行了分析和解決。其次，本文改進了協(xié)同過濾算法中用戶相似度計算模型。在用戶相似度計算中，本文不僅考慮了傳統(tǒng)基于圖書借閱信息的用戶相似度，針對高校圖書推薦的背景，還考慮了基于學(xué)生屬性特征的用戶相似度，并將兩者進行加權(quán)融合得到用戶的綜合相似度。
　　在推薦結(jié)果集上，本文利用關(guān)聯(lián)挖掘?qū)ζ溥M行了優(yōu)化，首先通過改進的協(xié)同過濾算法選擇出TOP-N個目標用戶感興趣的圖書，然后將所有用戶的借閱記錄集合進行關(guān)聯(lián)

3、規(guī)則的挖掘，找出圖書間的強關(guān)聯(lián)規(guī)則并保存。接著將TOP-N圖書通過規(guī)則數(shù)據(jù)庫進行匹配進一步找出與之關(guān)聯(lián)的圖書，并且將這些關(guān)聯(lián)圖書與TOP-N圖書進行混合推薦。
　　最后本文分別對傳統(tǒng)協(xié)同過濾推薦算法、基于改進相似度的協(xié)同過濾推薦算法和基于協(xié)同過濾及關(guān)聯(lián)規(guī)則推薦算法進行了實驗，并從推薦的準確率(Precision)和召回率(Recall)進行對比分析。實驗結(jié)果表明改進后的算法在準確率和召回率上都有進一步的提高。同時，基于改進算法，本