基于GPU的圖書推薦系統(tǒng)研究與實(shí)現(xiàn).pdf

1、近年來,數(shù)字圖書館的建設(shè)受到世界各國(guó)高度重視,并己迅速發(fā)展為人們獲取知識(shí)和信息的重要途徑之一。但隨著數(shù)字圖書館信息的快速增長(zhǎng),如何從海量的數(shù)字資源中獲取用戶需要的信息面臨著巨大挑戰(zhàn)。傳統(tǒng)的基于檢索的信息獲取技術(shù)已經(jīng)不能完全滿足人們的需求,個(gè)性化推薦系統(tǒng)正逐漸成為數(shù)字圖書館不可或缺的部分。本文主要研究個(gè)性化推薦技術(shù),提出了一種數(shù)字圖書推薦算法,盡可能地利用已知信息挖掘出用戶喜好,為用戶提供個(gè)性化的圖書推薦,基于該算法實(shí)現(xiàn)了CADAL數(shù)字圖

2、書館的個(gè)性化圖書推薦系統(tǒng)。
　　 本文的主要工作如下:
　　 第一、提出一種top-N混合推薦算法,算法結(jié)合了基于用戶的協(xié)同過濾推薦算法和基于信任的推薦算法,有效地緩解了協(xié)同過濾算法中遇到的用戶冷啟動(dòng)問題。實(shí)驗(yàn)顯示,混合推薦算法與簡(jiǎn)單的基于用戶或者信任的推薦算法相比,推薦精度有所提升,特別是對(duì)于冷啟動(dòng)用戶,推薦精度提升非常明顯。
　　 第二、根據(jù)算法的特點(diǎn),選擇并行計(jì)算能力非常強(qiáng)的GPU作為算法的運(yùn)算工具,并且利