基于標(biāo)簽主題建模的圖書推薦系統(tǒng)研究.pdf

1、我們正身處一個信息爆炸的社會，人們逐漸從信息匱乏的時代走進了信息過載的時代。計算機和網(wǎng)絡(luò)技術(shù)的發(fā)展使得人們對知識和信息的獲取變得前所未有的便捷，數(shù)字圖書館的出現(xiàn)就是一個最佳例證。在過去的數(shù)十年里，數(shù)字圖書館因為其傳播知識所帶來的巨大社會效益而受到各國政府的重視，得到了迅速的發(fā)展。隨著數(shù)字圖書館的不斷建設(shè)，數(shù)字資源的不斷豐富，讀者在面對如此海量的數(shù)字資源的時候也顯得手足無措，不知道如何尋找自己感興趣的圖書。大量的數(shù)字資源因此而未被充分利用

2、。本文針對CADAL數(shù)字圖書館中資源具有標(biāo)簽這一特點，結(jié)合CADAL用戶的閱讀行為日志，提出了一種基于標(biāo)簽主題建模的圖書推薦方法，提高CADAL平臺中資源的利用效率。
　　本文圍繞基于標(biāo)簽主題建模的圖書推薦系統(tǒng)的研發(fā)，做了以下工作:
　　第一，提出了一種基于LDA主題建模圖書推薦方法。通過利用CADAL圖書資源中的標(biāo)簽信息，挖掘隱含主題，使用Gibbs采樣方法得到每個主題-標(biāo)簽?zāi)Ｐ汀Ｈ缓蟾鶕?jù)用戶的閱讀行為日志獲得已讀圖書列表

3、，使用LDA-inference算法推算出用戶在各個主題上的概率分布。最后根據(jù)用戶在各個主題分布上的相似性來進行基于用戶的圖書推薦。
　　第二，研究了采用多模型集成追蹤用戶閱讀興趣變化的方法。通過設(shè)定時問窗口，對用戶的閱讀行為日志進行分段，針對每個時間窗口使用前面提到的主題建模方法建立用戶-主題模型。然后計算兩個相鄰時間窗口中生成的模型的差異程度，以檢測用戶的閱讀興趣是否發(fā)生概念漂移。通過保留具有代表性的用戶-主題模型，并且使用多