基于社會化媒體熱點發(fā)現(xiàn)的高校圖書館書目推薦研究.pdf

1、當前社會，在大數(shù)據(jù)迅猛發(fā)展的勢頭下，信息量呈現(xiàn)出爆炸式增長。面對海量數(shù)據(jù)的沖擊，越來越多的用戶需要個性化和針對性的信息推薦，高校圖書館作為高校學術研究的主要信息提供源，雖然在個性化信息資源推薦方面取得了一定研究進展，但由于自身的封閉性和局限性，已有的資源推薦方法并沒有考慮過當前社會熱點。另一方面隨著社會化媒體迅速崛起，微博、微信、BBS論壇等社交網絡每天都在以上億條的速度產生用戶生成內容。這些內容直接反映了當前社會熱點及全民信息關注點，

2、具有很高的信息價值。因此突破高校圖書館信息資源的局限性，將社會熱點與高校信息資源相結合引入到資源推薦當中去，對于高校圖書館自身的建設具有重要的意義。
　　為了提高高校圖書館資源服務的有效性和精準性，本文將社會化媒體熱點發(fā)現(xiàn)引入到高校圖書館信息資源推薦的研究中去，通過改進熱點發(fā)現(xiàn)算法實現(xiàn)從社會化媒體中發(fā)現(xiàn)當前學科領域的熱點和研究前沿，在已經獲取熱點的基礎上，進而提出一種結合了當前熱點的基于內容的高校圖書館書目資源推薦方法，這種個性化

3、書目資源推薦方法既考慮了當前領域內的熱點又照顧到用戶興趣，使得用戶能夠獲得既符合自身興趣又符合當前研究趨勢的信息資源。
　　本文首先對國內外熱點發(fā)現(xiàn)及信息資源推薦相關研究進行梳理總結，指出目前在這兩方面國內外的研究進展、未來的趨勢及研究的不足；其次詳細介紹了社會化媒體的內涵及特征，同時對熱點發(fā)現(xiàn)及個性化資源推薦的相關知識進行了梳理，包括熱點發(fā)現(xiàn)的定義、過程、規(guī)則、方法，幾種基于數(shù)據(jù)挖掘的熱點算法的比較，個性化推薦用戶建模的相關知識

4、以及常用的幾種資源推薦算法。
　　再次，本文在已有熱點算法研究的基礎上提出一種將OPTICS密度聚類算法與改進的Single-Pass算法相結合的二次聚類熱點發(fā)現(xiàn)算法，通過實驗驗證發(fā)現(xiàn)，將密度聚類算法與增量聚類算法相結合，能夠避免傳統(tǒng)增量聚類算法自身缺陷導致的聚類結果不精確，從而實現(xiàn)快速有效地從社會化媒體中挖掘到當前學科領域內熱點話題。
　　最后，本文在已獲取的熱點的基礎上，結合個性化推薦算法中基于內容的推薦算法，對傳統(tǒng)算法