基于數(shù)據(jù)挖掘的數(shù)字圖書館個(gè)性化推薦算法研究.pdf

1、互聯(lián)網(wǎng)使得目前數(shù)字圖書館中的信息資源更加豐富，但隨著信息量的膨脹，出現(xiàn)了“信息過(guò)載”和“信息迷向”現(xiàn)象。為了更好的為用戶提供符合其偏好特征的信息，個(gè)性化推薦技術(shù)成為數(shù)字圖書館領(lǐng)域重要的研究?jī)?nèi)容，并得到研究者越來(lái)越多的關(guān)注。其中協(xié)同過(guò)濾技術(shù)和基于關(guān)聯(lián)規(guī)則的推薦技術(shù)也是個(gè)性化推薦領(lǐng)域研究的重點(diǎn)，本文針對(duì)以上兩個(gè)問(wèn)題展開(kāi)了研究。 1.在協(xié)同過(guò)濾推薦技術(shù)方面，分析了目前存在的問(wèn)題，指出隨著數(shù)字圖書館系統(tǒng)用戶數(shù)目和圖書資源數(shù)目的日益增加及

2、用戶專業(yè)背景的差異，而導(dǎo)致的評(píng)分矩陣在整個(gè)項(xiàng)目空間上極端稀疏，使得推薦結(jié)果與用戶的興趣偏差較大。針對(duì)該問(wèn)題，在傳統(tǒng)協(xié)同過(guò)濾提出了一種基于聚類技術(shù)的推薦算法，該算法將SOM和K-means技術(shù)相結(jié)合對(duì)圖書資源進(jìn)行聚類，從而縮小了近鄰搜索的范圍和需要預(yù)測(cè)的圖書資源數(shù)目，很好地解決了矩陣稀疏性問(wèn)題，提高了推薦的準(zhǔn)確度。 2.為了增加館藏的借閱率，本文采用關(guān)聯(lián)規(guī)則分析來(lái)進(jìn)行借閱模式挖掘從而獲得圖書館用戶的興趣愛(ài)好，分析出不同類讀者所借書