关键词:
图书馆
个性化推荐
图书相似度
读者相似度
摘要:
随着互联网技术的迅猛发展,人们可获得图书信息越来越多。面对如此海量的图书信息,人们对快捷地、精准地、全面地获取信息产生了强烈的需求。如何有效地从大量冗余信息中获取有效信息,成为了信息处理领域最核心的问题。因此,个性化推荐作为解决信息过载最有效的手段之一,成为了科研工作者们研究的重点。基于用户行为的传统推荐算法模型,忽视了图书馆图书与读者的特殊性,很难达到令人满意的推荐效果,是论文研究的难点。论文深入分析了图书馆个性化推荐系统中因图书馆特征信息缺失、读者兴趣易受多种客观因素影响、推荐系统冷启动困难所导致的推荐结果准确度差适用性低的现状。在此基础上,根据图书馆图书和读者的特殊性进行了分析,研究出了图书馆个性化推荐算法。首先,在研究了基于读者行为的协同过滤推荐算法的基础上,利用图书馆特征信息改进了图书相似度、读者相似度、读者兴趣度的计算方法,使得这些算法更符合图书馆的应用场景。接着,研究了读者的上下文信息和读者的社交关系对图书馆图书推荐的影响,根据读者所处的时间上下文、读者在图书馆读书社区中的单向社交关系以及读者现实生活中的双向社交关系对推荐算法做了多处改进,使得推荐结果的精准度、覆盖率和多样性都得到了不同程度的提升。随后,在系统完成后,分析了系统所面临的图书冷启动和读者冷启动的问题,设计出基于读者注册信息、基于读者反馈和基于图书目录内容的协同过滤推荐算法。并在此算法的基础上,设计并实现了中国地质图书馆个性化推荐系统。通过该系统可以自动获取读者的信息和行为,分析并利用这些数据,判断读者的阅读兴趣,由此实现图书馆图书个性化推荐的功能。论文最后对算法的效果以及系统的功能进行了实验分析与对比,结果表明,该算法与传统个性化推荐算法相比有明显的提升效果。评估算法后,所设计并实现的中国地质图书馆个性化推荐系统也能达到图书馆科学、智能管理的预期。