基于SOM聚类的个性化图书推荐研究

个性化推荐是图书馆个性化信息服务的主要方式之一。本文在传统推荐算法的基础上,提出了一种基于SOM聚类的个性化图书推荐方法,该方法结合中国图书馆分类法对读者的借阅信息进行分析,并利用SOM网络对借阅文档进行聚类。利用个性化推荐技术来调整图书馆的信息服务模式,推送最贴近读者需求的信息给读者,从而提高图书馆馆藏资源的利用率和图书馆的服务质量。     

融合时间上下文的改进协同过滤图书推荐模型

针对传统的协同过滤推荐算法在高校图书推荐场景中存在缺乏显性评分、推荐精度低等问题,提出一种融合时间上下文的改进协同过滤图书推荐模型。基于图书历史借阅记录,首先构建基于借阅时长的读者—图书偏好度模型,将读者历史借阅记录中隐含的借阅偏好信息转换成显性的读者—图书评分;然后考虑读者借阅偏好随时间动态变化因素,引入时间衰减因子对读者—图书评分模型进行修正,最后应用隐语义模型进行个性化图书推荐。     

强关联规则挖掘在智慧图书馆个性化推送服务中的应用研究

【目的/意义】关联数据发现与个性化信息推送是未来智慧图书馆建设的核心内容。大数据环境下,为了提 高图书馆推送信息的精准度,本文把适合个性化信息推送服务的强关联规则挖掘技术引入到高校图书馆智慧化信 息服务中,研究在图书馆集成管理系统的基础上实现图书的智能查询和个性化信息推送。【方法/过程】在具体的研 究中,由于经典关联规则挖掘需要多次扫描数据库,生成大量的冗余关联规则信息,因此需要重新定义领域内强关 联规则和频繁项目集,提出处理海量数据需要的强关联规则算法。【结果/结论】将改进的算法应用到图书借阅和信 息查询数据的分析中,以减少图书频繁项集的产生,避免冗余规则的挖掘和生成,从而实现关联图书信息的高效挖 掘和个性化推送。     

关联规则挖掘在高校智慧图书馆个性化服务中的应用研究

介绍了数据挖掘技术的相关概念和算法,并深入研究了关联规则的经典算法"Apriori算法",分析了数据挖掘技术应用于高校图书馆管理的必要性和可行性,提出了基于关联规则分析法的高校图书智能推荐系统的设计思想和功能目标;通过对高校图书馆借阅数据的挖掘,探讨了一种高校智慧图书馆中的关联规则数据挖掘方法——通过挖掘借阅记录数据间的关系来分析读者和图书、不同类别图书间的关系,并应用于个性化服务工作中,发现读者的借阅历史存在着某种关联,不同类型读者的借阅记录及不同学科的借阅记录之间都存在着某种关联规则,利用这些规则对于高校图书馆优化图书推荐服务、探索智慧型个性化服务、改善馆藏布局具有良好的意义。     

关联规则与图书馆书目推荐

文章分析了现有的图书馆书目推荐系统和商务书目推荐系统存在的不足,介绍了数据挖掘中的关联规则及其在图书馆书目推荐的应用.最后以简单的图书借阅例子说明Apriori算法的应用,通过分析大量历史借阅记录,对读者的借阅提供个性化的推荐服务.     

一种高校读者借阅偏好的个性化图书推荐

现有个性化图书推荐没有考虑受纸质图书的复本,构建读者及纸质图书属性矩阵、读者借阅偏好矩阵,定义基于页数的借阅时间、新书、图书类别的借阅权重。建立读者借阅偏好矩阵和读者属性矩阵的关联、读者借阅偏好矩阵和纸质图书属性矩阵的关联。根据教育部对高校大学生专业课程设置的特点、读者借阅记录的统计,在图书馆书库存在复本的情况下区分专业、非专业纸质图书推荐。在真实的借阅记录数据集上,实验验证提出方法的有效性。     

基于FP-Growth算法的图书馆订购推荐系统设计

<正>point针对传统图书馆无法为文献采访人员提供准确个性的图书推荐服务的问题,本文提出构建基于FP-Growth算法的数据挖掘的图书馆订购推荐系统,利用FPGrowth算法,对图书馆产生的图书借阅记录进行关联规则挖掘,为文献采访人员提供借阅率较高的馆藏图书数据。随着当今社会信息化的高速发展,数据挖掘技术已经在商业领域如电信、银行、互联网等行业实现了大范围的应用,给用户提供可定制的个性化服务,这给高校图书馆提供了一     

关联规则挖掘技术在图书借阅服务中的应用研究

在概述关联规则挖掘技术的基础上,深入分析关联挖掘技术在图书馆借阅服务中的应用,通过关联规则挖掘技术统计与分析图书馆借阅服务信息,统筹借阅服务与采访服务,实现图书推荐服务等个性化信息服务方式,为提高图书馆信息服务层次与水平提出了一些建议与对策。     

一种基于用户聚类的协同过滤个性化图书推荐系统

综合协同过滤技术和聚类技术，提出了一种个性化图书推荐系统的具体实现方案。系统对图书馆数据库保留的大量用户图书借阅记录进行挖掘，向用户提供个性化图书推荐，为图书馆个性化服务的研究和实践提供了一种新的思路。     

基于联机公共检索目录的读者隐性信息行为个性化书目推荐引擎构建

文章以图书馆集成管理系统的日志数据为基础,从中提取出读者的信息行为记录,通过一定的推荐算法分析,采用开源的Apache Mahout,为读者构建了一个简单、方便、快速的同趣、同类书目推荐引擎,提高了读者对所需图书的可发现性,有利于读者的个性化服务。     

智慧图书馆中基于用户画像的图书推荐研究

【目的/意义】利用用户画像以及个性化推荐算法实现智慧图书馆中的图书推荐。【方法/过程】从构建智慧 图书馆用户画像的自然属性、兴趣属性、社交属性三个数据维度出发,借助相似度计算方法分别计算不同维度读者 和图书的相似度,实现基于相似读者和相似图书的虚拟图书推荐,阐述了借助智慧图书馆的先进技术实现基于位 置的实体图书推荐。【结果/结论】实验结果表明将用户画像用于智慧图书馆图书推荐可提升图书馆个性化服务能 力,针对读者实现精准推荐。【创新/局限】基于用户画像的图书推荐从多个维度进行组合推荐,实现了智慧图书馆 虚拟图书和实体图书的个性化推荐,提高了推荐质量,为提升智慧图书馆个性化服务具有一定的借鉴意义。局限 在于选取的读者以及图书数量较少。     

基于数据挖掘的图书智能推荐系统研究

针对目前传统数字图书馆无法为用户提供准确个性的图书推荐服务的问题,提出构建基于数据挖掘技术的图书智能推荐系统,简单分析数据挖掘技术中关联规则技术适用图书推荐的原因和相关概念,并且对该系统的框架进行研究,最后通过实验,运用数据挖掘软件对真实的借阅记录进行关联规则挖掘,得出关联规则作为图书智能推荐系统的关键技术是行之有效的结论。     

一种基于订阅记录的图书协同过滤推荐方法研究

【目的/意义】通过订阅记录获取用户兴趣爱好,并将协同过滤推荐方法应用于图书个性化推荐,为读者提供优质服务。【方法/过程】以协同过滤算法为基础,根据用户订阅记录,分别计算用户相似性和订阅图书相似性。针对传统协同过滤方法在计算热门订阅相似度时存在的缺陷,引入对订阅权重的惩罚机制,减轻了热门订阅会和很多订阅相似的可能性,并根据协同过滤方法,产生相应推荐结果。【结果/结论】运用公开可获取的数据集进行的算法验证表明,基于订阅记录的协同过滤算法推荐准确度较高,对提升用户图书借阅体验相关研究与实践有一定的参考价值。     

一种面向高校图书馆的个性化图书推荐系统

个性化图书推荐主要是以用户特征和借阅行为为挖掘对象,通过获取用户的兴趣特征及隐含的需求模式,实现用户与图书相互关联的个性化图书推荐服务。本文通过挖掘用户的背景信息构建用户特征模型,然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上,研究多种不同的图书推荐方法,以挖掘用户的潜在信息需求。最后利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统,同时以标准网络数据集通过实验验证来评估推荐方法的有效性。     

高校图书馆个性化图书推荐系统设计

应用数据挖掘技术对高校图书馆日常产生的数据进行挖掘,设计一个适合图书馆使用的个性化图书推荐系统。该系统具有2个关键功能：读者个性化推荐功能和管理者采购推荐功能。     

融合用户社交与情境信息的虚拟知识社区个性化知识推荐研究

[目的/意义]通过融合用户社交与情境信息,构建虚拟知识社区个性化知识推荐模型并开展个性化知识推荐算法的设计,能够在一定程度上完善虚拟知识社区个性化知识推荐方法的理论体系,具有一定的理论价值和应用价值。[方法/过程]首先构建出基于用户社交与情境信息的虚拟知识社区个性化知识推荐模型,然后利用改进的最大团算法设计出虚拟知识社区个性化知识推荐算法,最后通过选取某虚拟知识社区的用户数据进行实例分析实现精准的个性化知识推荐。[结果/结论]在利用融合用户社交与情境信息进行虚拟知识社区个性化知识推荐过程中,通过对某虚拟知识社区的实例分析,表明其个性化知识推荐结果的精准度得到了显著的提升。     

Hybrid collaborative filtering model for consumer dynamic service recommendation based on mobile cloud information system

The rapid development of the web has led to a considerable increase in information dissemination. Recently, personalized web service recommendation has become a popular research area in service computing. Research on web service recommendation systems mainly addresses two problems: prediction and completion of sparse QoS data, and the user's personalized recommendation. To address the issue of high data sparsity and low recommendation accuracy in the traditional service recommendation models under mobile cloud, this study presents a hybrid collaborative filtering model for consumer service recommendation based on mobile cloud by introducing user preferences. The example verified that the service recommendation based on the model can effectively reduce the data sparsity and increase the accuracy of the prediction.     

基于梯度提升决策树的情境感知推荐模型

[目的/意义]旨在深入研究情境信息对用户偏好的影响,提高情境感知推荐的准确性。[方法/过程]提出了基于梯度提升决策树的情境感知推荐模型,根据梯度提升决策树计算情境属性权重,将其与传统协同过滤算法相融合,生成情境感知推荐结果。[结果/结论]该模型可以识别影响用户偏好的重要情景属性,为用户提供个性化推荐服务。     

移动环境下基于情境感知的个性化信息推荐

随着移动互联网的发展,越来越多的用户信息获取过程通过移动终端完成.但当前个性化推荐系统对用户情境的感知能力不足,缺乏为用户提供符合当前情境的个性化信息推荐服务.为此,本文提出了基于贝叶斯方法的情境化用户资源类别偏好学习以及融合该类别偏好的协同过滤个性化信息推荐.运用贝叶斯方法学习用户在不同情境下对各资源类别的偏好,然后将该类别偏好与传统协同过滤推荐算法相结合,生成符合用户当前情境的个性化信息推荐.实验表明本文提出的改进算法可以提高推荐的准确率.