基于协同过滤算法在图书馆学的应用.docx
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《基于协同过滤算法在图书馆学的应用.docx》由会员分享,可在线阅读,更多相关《基于协同过滤算法在图书馆学的应用.docx(4页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、基于协同过滤算法在图书馆学的应用基于协同过滤算法在图书馆学的应用 摘要:在互联网迅速发展的时代,各种信息接踵而来,给人们获得信息带来便利的同时,也造成了不可避免的困扰:信息种类繁多,难以甄别;增速太快,难以准确获得自己所需要的信息,从而对信息的利用率降低,难以体现出信息时代给大家带来的优越性。由于信息超载的现象广泛存在,那么解决办法之一可以选择个性化推荐系统。它是根据用户的信息需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户的一个个性化信息推荐系统。推荐系统通过研究用户数据,进行个性化计算,发现用户的兴趣偏好,从而引导用户发现自己的信息需求,准确找到信息资源,提高信息的利用价值。即个性化推荐
2、系统是根据用户的兴趣爱好,推荐符合用户个性的信息或产品。 关键词:协同过滤;个性化推荐;应用 一、协同过滤算法的定义 协同过滤技术的基本思想是:利用一些兴趣爱好相似、拥有相同经验群体的偏好给目标用户推荐可能感兴趣的项目。协同过滤算法的实现大致分为构建用户,形成项目矩阵,寻找最近邻居,产生最相似推荐数据三个步骤。目前主要有两类协同过滤推荐算法:基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法。基于用户的协同过滤推荐算法是根据目标用户的最相似的若干用户对某个项目的评分,从中找到与目标用户最相似的用户,参考其对目标项目的评分,从而决定是否推荐给目标用户;基于项目的协同过滤推荐算法其总体思路就是
3、根据用户的评价数据,为每个物品计算出与其评价最为相近的其他项目。然后,当我们想要为目标用户提供推荐的时候,就可以查看他曾经评分过的项目,并从中选出排位靠前的项目,再根据相关加权函数构建出一个加权列表,其中包含了与这些选中项目最为相近的其他项目。得到项目之间的相似性后,可以将与用户评价过的相似度较高的项目推荐给目标用户。 二、协同过滤算法的应用 随着图书馆馆藏图书资源的增多,以及计算机和网络技术的高速发展,各高校都建立起自己的图书借阅管理系统,利用积累的图书借阅历史资料,对符合学生兴趣并且适合个性发展的图书进行推荐,从而提高图书的利用率,减少学生寻找资料的时间,提高学习效率。 图书馆的推荐系统通
4、过将学生读者的兴趣、借阅图书等信息与图书中的属性进行匹配,选择基于物品的协同过滤推荐算法,为学生提供相应的推荐图书。 首先构建学生信息数据库、图书信息数据库、借阅图书记录;然后,建立学生-图书评分矩阵;其次,判断用户是否有借阅记录,然后在根据不同的协同过滤推荐算法对学生进行图书的推荐。具体如下: (一)根据数据库中的学生信息表(学生的基本信息以及喜欢的书籍类型等)及借阅信息,构建属于学生读者的特征向量,即学生读者模型; (二)结合由(一)得到的学生读者模型和图书信息,构建图书模型,建立对应的特征向量; (三)判断当前用户是新用户或老用户,若用户有借阅信息记录则为老用户,否则为新用户; (四)对
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 协同 过滤 算法 图书馆学 应用
![提示](https://www.deliwenku.com/images/bang_tan.gif)
限制150内