基于文本語義的個性化圖書推薦.pdf

1、互聯(lián)網(wǎng)中積累的海量圖書標(biāo)簽、摘要為分析閱讀興趣和構(gòu)建個性化圖書推薦系統(tǒng)提供了新的數(shù)據(jù)來源。因此本文主要研究如何整合標(biāo)簽、摘要等文本數(shù)據(jù)，構(gòu)建個性化圖書推薦系統(tǒng)，提升系統(tǒng)性能。
　　本文工作可以分為基于語義的興趣偏好模型、推薦算法的設(shè)計和基于Spark平臺的并行化實現(xiàn)三個部分。首先提出基于詞向量和共現(xiàn)頻次計算標(biāo)簽語義相似度的算法，并針對具體場景設(shè)計優(yōu)化方式。然后分別使用PIC算法和LDA算法建立基于標(biāo)簽和圖書摘要的語義偏好模型，并采

2、用基于語義偏好的協(xié)同過濾擴展算法生成圖書推薦列表。最后，在Spark分布式計算平臺上并行化實現(xiàn)推薦系統(tǒng)。
　　本文首先介紹了課題的研究背景與意義，在相關(guān)文獻(xiàn)的基礎(chǔ)上，總結(jié)了影響個性化推薦系統(tǒng)性能的關(guān)鍵問題，明確了本文的具體研究內(nèi)容。其次，本文研究了語義分析、聚類、推薦算法等課題關(guān)鍵技術(shù)，指出各種技術(shù)的優(yōu)缺點，是后續(xù)研究的理論基礎(chǔ)。再者，建立基于文本語義的興趣偏好模型。其中，引入衰減函數(shù)作為權(quán)重，解決標(biāo)簽偏好的時間效應(yīng)問題;提出基于

3、詞向量和共現(xiàn)頻次計算標(biāo)簽相似度的算法，并針對本課題的具體場景設(shè)計優(yōu)化方式，提升相關(guān)性計算的準(zhǔn)確度;基于PIC算法實現(xiàn)標(biāo)簽聚類，建立基于標(biāo)簽語義的興趣偏好模型，解決了標(biāo)簽的稀疏問題;利用LDA算法分析圖書摘要潛在主題分布，建立摘要語義偏好模型，解決標(biāo)簽過少引起的冷啟動問題。
　　本文使用基于語義偏好的協(xié)同過濾擴展算法生成推薦結(jié)果，并設(shè)計實驗測試系統(tǒng)性能。
　　實驗結(jié)果表明:
　　(1)基于文本語義的閱讀興趣偏好特征能夠正