高校圖書推薦系統(tǒng)算法與模型的研究.pdf

1、21世紀(jì)以來，全世界科技水平不斷提高，信息呈現(xiàn)爆炸式增長，人們從尋找信息的模式變成了尋找有用信息的模式。從海量信息中尋找到對自己有用信息的手段有很多，推薦系統(tǒng)是其中最重要也是最廣泛使用的手段之一。各大網(wǎng)商通過使用推薦系統(tǒng)對用戶進行個性化的推薦，都取得了不錯的成果，這也為推薦系統(tǒng)在高等院校圖書推薦領(lǐng)域的應(yīng)用提供了可能性。
　　推薦系統(tǒng)中的算法有很多，其中最經(jīng)典應(yīng)用最廣泛的是協(xié)同過濾算法。本文對基于用戶和基于項目的協(xié)同過濾算法進行了深

2、入研究，針對高校圖書推薦的特殊性，如借閱數(shù)據(jù)而無法直接使用，相似度矩陣太過稀疏而無法產(chǎn)生推薦等問題，改進了這兩種算法。但是這兩個算法在高校圖書推薦領(lǐng)域都有著各自的優(yōu)劣勢，通過對兩者的結(jié)合，提出了混合推薦系統(tǒng)模型。最后通過實驗對比了混合推薦算法與單一推薦算法的各項評價指標(biāo)，為應(yīng)用于高校圖書推薦提供了理論支撐。
　　本研究的主要工作有以下五個部分:
　　第一部分，深入研究了推薦系統(tǒng)的原理以及一些經(jīng)典的推薦算法，并對推薦算法應(yīng)用在

3、高校圖書推薦領(lǐng)域的可行性進行了分析，然后構(gòu)建了基于讀者(RCF)和基于圖書(BCF)的協(xié)同過濾算法模型。
　　第二部分，由于高校圖書推薦不同于電影推薦或者商品推薦，它不包含用戶對物品的評分，針對這一特點，通過對圖書借閱記錄的處理，提出一種量化評分模型，將讀者對圖書的偏好定量化，在此基礎(chǔ)上，構(gòu)建了讀者-圖書的評分矩陣。
　　第三部分，針對讀者-圖書評分矩陣過于稀疏的特點，將中文圖書分類法與圖書借閱記錄相結(jié)合，構(gòu)建了讀者-圖書類