基于Web数据挖掘的图书馆个性化推荐服务探讨

高校图书馆网站作为图书馆信息系统的重要组成部分,是图书馆资源、服务与读者之间的桥梁。规划和建设好图书馆网站,可为用户获取信息、交流信息提供了一个很好的基于Web的信息服务平台。但随着校园图书馆资源的增多,利用基于Web日志挖掘技术根据用户的特性提供具有针对性的信息,还能通过对用户专业特征,研究兴趣的智能分析,主动地向用户推荐其可能需要的信息的个性化推荐系统的建立已成发展趋势。     

网上个性化售书系统的设计与实现

随着网络技术的成熟,网上书店越来越受到人们的青睐。基于MVC分层设计,使网站采用更多人性化的操作,如个性化的图书推荐,异步刷新的用户留言,网站论坛等设置,不仅有助于用户方便地选购商品,也提高了网站的运营效率,为网站的稳定发展打下了坚实的基础.     

基于读者兴趣度的高校图书馆书籍推荐方法研究

随着计算机的迅速发展,基于兴趣度图书推荐系统通过统计用户浏览信息,预测其偏好以达到推荐图书的目的。本文研究用户兴趣模型,通过学习分析个性推荐及主要推荐算法的功能和原理,构建用户兴趣模型,实现了兴趣推荐功能,大大减少了用户索书时间。     

基于用户模糊聚类的个性化推荐研究

推荐系统是根据用户的历史浏览记录或对项目的评分记录,自动为用户推送需要的信息,完成个性化推荐功能,是信息获取领域非常重要的技术。首先对用户进行模糊C均值聚类操作,将用户分为用户簇。将加权的欧氏距离替换传统的欧氏距离计算方法,在目标用户所在的用户簇内进行协同过滤推荐,得到Top-n推荐集,为用户完成项目推荐。实验结果表明,该方法可以提高推荐精度,减少评分误差,提高推荐质量,优化推荐效果。     

校园二手书交易网站推荐引擎的设计与实现

大学二手书交易同一般网络购物不同,直接应用普通推荐算法设计推荐引擎不能很好地进行推荐。为了使大学生二手书购物网站能够更好地为用户推荐书籍,提高推荐结果的准确性及推荐效率,在原有推荐模块的基础上针对大学生用户的特殊性提出了一种适用于二手书购物网站的推荐算法模块优化推荐引擎。该算法模块有以下特性:(1)在基于物品推荐算法的基础上,结合书籍评分、新旧等因子优化推荐结果;(2)为方便用户购书新增打包推荐功能,使用户可以一键购买多本所需书籍;(3)根据用户群体购书可预测的特性加入了基于时间节点的推荐算法,即按时得需,按需推荐。     

一种新的协同过滤推荐算法

协同过滤推荐系统在处理交互性强、需要知识背景的电子商务网站推荐领域,显得力不从心。双信息源模式的协同过滤算法(DISCF)推荐系统通过对稀疏数据集的处理,找到活动用户的相似用户(最近邻居集)和具有知识背景专家集合,结合两个推荐组的建议,形成可靠的信息源,分析各自影响活动用户对目标项目的权重,计算活动用户的最终兴趣度,实现系统推荐。     

面向博物馆的个性化推荐系统设计与实现

博物馆网站主要展示馆内藏品,繁多的展品使得用户在访问网站时会花费大量时间。可以通过基于Web日志挖掘的技术分析用户的访问行为,判断其兴趣爱好,使用不同的推荐方法主动向用户推荐其可能感兴趣的博物馆藏品,以提高用户访问体验。主要使用4种推荐方式,即热点推荐、类别推荐、相似推荐、猜猜你喜欢。     

基于协同过滤算法的IT书籍推荐系统设计与实现

随着IT行业的飞速发展,IT从业人员也越来越多,如何在茫茫书海中选择适合自己的IT书籍是一个非常重要的问题。设计了一个IT书籍推荐系统,系统基于B/S模式,采用LAMP架构体系,将协同过滤算法加入网站系统中,以实现IT书籍的个性化推荐。实验结果表明,个性化书籍推荐系统能够通过用户行为挖掘用户兴趣,从而为用户推荐适合自己的IT书籍。     

云计算环境下基于Apriori算法的智能推荐模型

介绍了Apriori算法和智能推荐的基本思想,针对当前互联网应用中智能推荐复杂性问题,提出了云计算环境下基于Apriori的聚类算法模型。该模型根据用户访问网站的行为特征数据,分析和挖掘出用户期望的浏览对象,动态调整云计算系统的智能推荐内容。实验结果表明,该算法模型有效提高了智能推荐的准确性和效率。     

基于VRML的图书销售电子商务系统开发

基于虚拟现实技术的新一代电子商务模式在电子商务网站的应用正逐步走向普及,将虚拟现实技术应用于图书销售电子商务系统的开发,并成功地解决虚拟现实系统与用户交互的接口,提供给用户一个三维的基于虚拟现实的图书销售网站并能交互地进行交易,将成为图书销售电子商务系统的发展方向.     

基于关联规则的站内搜索引擎设计

站内搜索引擎是充分利用网站资源、迅速提供有效信息的最佳工具,是查寻网站内部信息的密钥。而针对不同用户的操作记录,利用关联规则进行数据挖掘,分析出用户信息需求的关系,并在站内搜索中向用户提供其推荐信息,从而使网站资源得到充分的发挥,方便了用户查找信息,增加网站对上网者的吸引力。     

基于数据清洗和关联规则的图书推荐算法

使用数据挖掘技术可以从用户的图书借阅数据中挖掘有价值的信息,获得用户的借阅行为,为用户提供个性化图书推荐服务。传统的关联规则算法在使用前不进行数据清洗,导致单一用户的单一借阅记录在整体数据集中相对地变成了离群点,使Apriori算法的运行时间显著增加。本文根据数据集的支持度、置信度和过滤度的阈值进行数据清洗,再使用Apriori算法对清洗后的数据集进行关联规则分析。实验结果表明在大数据量和小数据量的情况下,带有数据清洗的Apriori算法的分析耗时更短,强关联规则更强,在个性化图书推荐领域中效果显著。     

基于Apriori算法的高职院校图书精准推荐系统

由于读者的阅读习惯从传统的纸质图书阅读逐渐转移到电子图书阅读,且高职院校学生的借阅习惯、阅读能力与本科高校学生存在一定差异,需要根据高职院校学生的图书借阅特点对图书推荐系统进行优化。通过关联纸质图书推荐系统与电子图书系统扩大学生图书借阅记录范围,关联教务系统获取学生专业成绩,对学生借阅记录进行过滤筛选得到具有参考性的数据集,使用Apriori算法对新的数据集进行关联规则分析,得到关联规则表,进而实现高职院校学生图书精准推荐。     

根据中学图书馆的特点,做好图书分类标引工作

图书分类标引工作是图书馆组织藏书和揭示藏书的一种手段,其目的是为了给读者(用户)提供馆藏信息,达到利用图书的目的。因此,图书分类标引工作非常重要,必须根据图书的内容及其论述的方面、著作目的、本馆的任务和读者需要来进行。 图书分类标引工作是十分细致复杂的,对标引质量要求较高,如果标引质量不高,就会影响为读者服务,因此,图书分类     

一种基于读者聚类的近邻互助图书推荐模型的构建与实现

图书智能化推荐是解决高校图书馆馆藏量快速增长与用户对图书资源高效利用之间矛盾的有效方法。研究如何利用读者历史借阅记录构建读者图书类别兴趣度和关注度矩阵,从而隐式地获取读者的兴趣偏好,通过矩阵求得读者之间的相似度,形成具有相近兴趣爱好的读者聚类,从而实现由相似读者群形成一种近邻互助推荐图书的效果。     

根据读者阅读需要,做好图书推荐工作

本文从几个方面入手阐述了怎样做好图书推荐工作.图书推荐工作是图书馆读者工作主要服务方式.应研究读者心理,了解读者阅读需要,分析读者的阅读规律,提高图书馆员的自身素质,来做好图书推荐工作.     

基于知识的推荐系统用户交互模型研究

在基于知识的推荐系统中,用户的个性化需求需要通过交互引导得出。为了提高用户的交互体验,建立了基于有限状态机(FSM)的用户交互模型。根据所推荐物品的特征建立用户交互行为的有限状态机模型,通过求解有限状态机模型的有效路径,生成用户的个性化需求和偏好。该模型通过会话式的交互方式,根据用户的个体特征,提供有效交互,减少了用户交互负担,提高了推荐结果的信任度、满意度。     

基于模糊聚类的Web用户访问序列挖掘

发现用户对网站的兴趣是Web挖掘的一个重要研究方向.根据用户的访问序列进行聚类分析,把用户归为不同的簇,可以给不同簇的用户提供个性化的服务,改善网站的组织结构,提高广告的投放效果.     

探析读者心理做好图书推荐工作

图书推荐的实质,是图书馆通过各种形式和手段,有选择地将图书展示、推荐给读者,以吸引读者利用图书,提高图书利用率。在图书推荐活动中,图书馆作为主体,有目的地发布、传播信息;而读者作为接受信息的客体,他们有着自己的需要和心理活动,他们接受图书信息的程度及其所引发的阅读行为,常常是不以图书馆馆员的意志为转移的。从这个意义上讲,本人认为在图     

探析读者心理 做好图书推荐工作

图书推荐的实质，是图书馆通过各种形式和手段，有选择地将图书展示、推荐给读者，以吸引读者利用图书，提高图书利用率。在图书推荐活动中，图书馆作为主体，有目的地发布、传播信息；而读者作为接受信息的客体，他们有着自己的需要和心理活动，他们接受图书信息的程度及其所引发的阅读行为，常常是不以图书馆馆员的意志为转移的。