改进的Apriori算法在高校图书推荐服务中的应用研究

高校图书馆的借阅记录包含大量信息,研究数据库中的借阅记录可以获知学生与图书间的某种联系,通过改进的L-Apriori算法把这种潜在的联系转化成显性知识推荐给目标学生,对提升当前数字图书馆的服务质量具有重要意义。改进的L-Apriori算法对借阅记录分专业形成的子数据库关联规则进行逐一整合,最终形成全局数据库关联规则。实验结果表明改进的L-Apriori算法无论是挖掘效率还是准确度都明显优于Apriori算法。     

基于关联数据的数字图书馆个性化信息推荐系统

个性化信息推荐是数字图书馆最重要的个性化服务,能够主动为用户提供符合其需求的信息.简要介绍关联规则数据挖掘的有关概念及其使用到的数据挖掘算法,分析系统设计思路,设计一个包括数据存储层、数据挖掘层和用户界面层3层结构的个性化信息推荐系统.     

海外图书采选系统在外文图书推荐工作中的使用和作用

论文介绍了PSOP系统在外文原版图书推荐工作中的使用方法,以及该系统在向采访人员和专家推荐图书过程中的作用.     

基于关联规则的图书借阅服务推荐方法

本文将关联规则应用于图书借阅的服务推荐方法,首先对读者借阅历史记录进行预处理,然后进行关联规则挖掘和分析,利用挖掘出的频繁项集进行服务推荐。该方法与传统推荐技术相比,能更全面、准确、清晰地进行图书借阅推荐。     

关联推荐及其在学术资源检索网站中的应用研究

有效的关联推荐为用户的信息链式获取提供了极大的方便。结合实际项目,本文论述了应用于学术资源检索网站的关联推荐的总体框架和相似文献推荐、关联搜索词推荐、关联作者推荐、关联研究机构推荐、引证关联推荐等功能的技术实现方案,并给出了项目的实现效果。     

借阅场景下图书专业性质量测度方法和图书个性化推荐服务方法

[目的/意义]以现有图书馆借阅记录为基础,结合图书阅读相关性进行深入挖掘,探讨识别借阅场景下图书专业性质量和实现相应个性化图书推荐服务的有效方法。[方法/过程]利用图书的阅读相关性提出图书相关性链接关系,结合图书质量的迭代识别算法来识别专业图书资源。同时利用图书类别相关性链接关系,提出读者用户个性化模式的表达方法,并从长期兴趣推荐和短期兴趣的即时推荐两个方面给出个性化图书推荐策略设计原理和实现方法。[结果/结论]在图书质量识别方面,该方法更易于识别出专业性较强的优质图书资源,适用面比较灵活,也可以在限定图书范围内进行专业图书识别。在个性化图书推荐方面,发现不论长期兴趣推荐方法还是短期兴趣推荐方法,第二类用户的平均推荐命中度要高于第一类用户,在第一类用户中,最高相似度区间（75%以上）和较低相似度区间（15%-50%）的短期兴趣推荐方法的平均推荐命中度要高于长期兴趣推荐方法。本研究通过读者借阅序列分析方法识别专业图书并实现相应的个性化推荐图书方法,有利于改善现有图书馆借阅服务水平和提高读者的满意度。     

关联规则算法在图书自动推荐系统中的应用

针对传统图书自动推荐系统准确性不高的缺点,提出利用数据挖掘中的关联规则算法技术将读者借阅的图书、性别、年龄、职称、职业、受教育程度、爱好等多维关系生成关联规则,再将读者基本信息与这些规则进行比较,把匹配的关联规则推荐给读者,就能解决传统推荐系统的不足,提供更加灵活的个性化图书推荐服务。文章以湖南图书馆2011年读者借阅数据为例,利用Microsoft SQL Server 2008为工具进行了关联规则算法的数据挖掘分析。     

知识地图在图书馆个性化信息推荐服务中的应用研究

针对当前个性化信息推荐服务的不足:推荐的自动化程度低,推荐方法单一,不能灵活地提供多种推荐服务功能,难于对多个 推荐工具和大量数据进行动态有效地管理与维护等问题,提出建立个性化信息推荐系统知识地图结构模型的建议。即把知识地图应用到 图书馆的个性化信息推荐服务中,借助WIDAS工具提供一个可视化的环境,沿着资源的分布网络快速找到合理有效的资源匹配,进而对资 源进行分析,及时把有关信息自动推送给相应的用户,提高推荐服务的效率。     

基于多目标优化双聚类的数字图书馆协同过滤推荐系统

针对数字图书馆推荐系统,提出一种能够同时考虑用户和项之间的相似性的协同过滤(CF)方法,即应用多目标优化计算双聚类技术对行和列同时进行聚类,完成对用户和项相似性同时分组。为评估算法的效率,应用MovieLens数据集进行实验,结果表明该方法能够为用户提供有用的推荐意见,其性能优于其他CF方法。     

集成语境信息的多维推荐方法研究

推荐系统已成为数字图书馆个性化服务不可缺少的一项重要技术。目前的推荐方法主要是基于规则的推荐和协同过滤方法,这两种方法都有其优缺点,它们共同的缺点是没有考虑语境信息对推荐的影响,从而导致推荐结果不佳。在分析语境信息在推荐过程中的作用的基础上,把语境信息集成到多维推荐模型中,利用数据仓库和OLAP处理层级式聚合计算的能力,建立具有多维信息收集与分析的推荐框架,并做了模块的分析。     

基于社会化标签系统的个性化信息推荐探讨

针对用户个人特征并向其提供准确恰当信息的个性化信息推荐研究,一直是学术界和产业界所关注的热点。结合后控词表,对用户分散的、个性化的标注进行处理,并将用户兴趣用向量表示,然后借鉴协同过滤算法的思想,寻找出相似用户集及其内部的资源集。在此基础上,采用相对匹配策略,提出一种基于社会化标签系统的个性化推荐方法。     

一种基于数据挖掘技术的馆藏资源个性化推荐服务

本文介绍了一种如何将ID3决策树算法和关联规则应用于馆藏文献信息资源的个性化推荐服务当中去的方法.文中首先对读者借阅历史记录进行了挖掘和分析,利用决策树算法挖掘出可推荐的相关读者对象,再依据关联规则提取借阅历史记录并对其进行分析和挖掘,从中找出相关潜在的有用或有价值的规则,然后依据这些规则选择出最适合推荐的项目推荐给读者.该方式是为实现个性化推荐服务所进行的一种新的探讨,具有算法收敛性好,计算方法简单有效,可靠性高,推荐效果显著等优势,与传统推荐技术相比,能够更加全面、准确、清晰地进行文献推荐.理论和实践结果表明,所提出的这种方法是一种行之有效的形式.     

图书馆书目推荐系统的研究与设计

分析了当前图书馆书目推荐系统的现状及不足,提出了一种基于运用关联规则挖掘读者借阅记录的书目推荐方式,设计了一种新的书目推荐系统的体系架构,并运用实例分析了该系统的推荐流程。     

基于Web荐购的图书采访决策支持系统设计

文章分析了网络环境下图书购买价值的各项影响因素;建立了以荐购人素质(决定图书内容价值)、图书外部特征、同类图书流通状况三大要素为基础的高校图书采访模糊综合评判模型;基于Web荐购平台,由专家先行推荐,在此基础上采用定性分析和定量评分相结合的方法进行计算,评价各种图书的购买分值;进而设计和实现图书采访决策支持系统,包括功能和结构设计、采选和决策支持子系统数据库设计、模型库设计等,辅助采访馆员进行分析决策。     

国外群推荐聚集策略研究综述

认为群推荐是对群体用户进行个性化推荐的技术,群推荐的一个重要步骤就是聚集,即将针对个体的推荐项目聚集成对群体的推荐,或者将个体的偏好聚集成群体的模型,聚集策略就是在聚集时所采取的方式。通过文献的梳理,介绍群推荐的群体形成和生成推荐过程,比较聚集策略的类型和应用,对聚集中存在的尴尬和隐私问题、群成员间交互问题、成员间差异性问题和基于群成员社交影响力的策略进行详细阐述,并展望聚集策略尚需进一步研究的方面。     

网格环境下的个性化信息推荐服务模型研究

本文主要解析了个性化信息推送服务的形式,探讨了在网格环境下各种信息推送服务的模式,特别强调了在网格环境下推送服务中间件的作用,揭示了中间件在不同类型的推送服务中将如何工作。