基于數(shù)據(jù)挖掘的高校圖書館個性化推薦服務(wù)的應(yīng)用研究.pdf

1、隨著商品的種類和數(shù)目越來越繁多，各網(wǎng)絡(luò)購物平臺相繼推出商品推薦系統(tǒng)，實現(xiàn)了根據(jù)用戶在網(wǎng)站上的歷史購買記錄、瀏覽記錄等信息主動為用戶推薦其可能感興趣的商品。而高校圖書館館藏書目的種類和數(shù)目也越來越多，讀者在沒有具體借閱目標的情況下，從圖書館借閱圖書所花費的時間和精力也越來越多。在這樣的背景下，本文提出了基于數(shù)據(jù)挖掘的高校圖書館個性化推薦服務(wù)的應(yīng)用研究，通過借鑒網(wǎng)絡(luò)購物平臺的經(jīng)驗，為高校圖書館建立個性化圖書推薦系統(tǒng)，通過分析讀者的歷史借閱記

2、錄、瀏覽記錄等信息，為讀者主動推薦其可能感興趣的圖書。
　　課題以內(nèi)蒙古工業(yè)大學圖書館為例，借助MyEclipse開發(fā)工具，詳細研究了基于內(nèi)容的推薦算法在高校圖書館個性化推薦服務(wù)中的應(yīng)用。首先利用數(shù)據(jù)清洗、數(shù)據(jù)變換和數(shù)據(jù)規(guī)約三種數(shù)據(jù)預(yù)處理方法對原始數(shù)據(jù)進行了預(yù)處理，使數(shù)據(jù)更加規(guī)范化、更有利于規(guī)則的挖掘；預(yù)處理之后，借助中科院的ICTCLAS分詞工具將圖書名進行分詞處理；然后利用TF-IDF方法計算每個分得的詞的權(quán)重大小，將權(quán)重較高

3、的詞作為關(guān)鍵詞來表示圖書的主要特征；得到圖書的關(guān)鍵詞之后，將所有圖書及其關(guān)鍵詞一起構(gòu)建向量空間模型（VSM）；最后利用構(gòu)建好的向量空間模型計算圖書之間的相似度，并對相似度大小進行排序，將與讀者借閱過的圖書相似度較高的圖書推薦給讀者。為了使推薦結(jié)果具有多樣性，還結(jié)合圖書的出版社、作者和類別信息為讀者進行推薦。
　　在研究過程中，針對遇到的問題給出了相應(yīng)的解決方法：針對書名的分詞對中文分詞程序進行了調(diào)整，主要表現(xiàn)為改進了用戶詞典，增加

4、了停用詞，使得分詞結(jié)果的準確度更高，并且更加適合圖書名稱的分詞；對詞語權(quán)重算法TF-IDF針對短文本的應(yīng)用給出了解決方法，使之對于圖書書名中詞語權(quán)重的計算更加公平、合理；另外，用三元組解決了構(gòu)建向量空間模型時遇到的稀疏矩陣問題。
　　最后針對本課題產(chǎn)生的推薦結(jié)果，利用目前比較成熟的評價方法進行了評價。為了使推薦結(jié)果更加直觀，更方便讀者使用，設(shè)計了系統(tǒng)界面，使得推薦結(jié)果以列表的形式在界面上顯示，并且在每一條推薦結(jié)果后面注明了推薦理由