基于數(shù)據(jù)挖掘的文獻自動推薦研究.pdf

1、隨著計算機和網(wǎng)絡(luò)技術(shù)的快速發(fā)展，文獻資源也在飛速膨脹。而現(xiàn)有的搜索技術(shù)往往無法滿足用戶對文獻資源的個性化需要。另一方面，教師在畢業(yè)設(shè)計過程中需要花費大量的時間為學(xué)生們提供參考文獻。于是，在畢業(yè)設(shè)計背景下，文獻自動推薦系統(tǒng)應(yīng)運而生。文獻自動推薦正是以用戶興趣特征為導(dǎo)向，分析用戶潛在的興趣偏好，從而對學(xué)生用戶實現(xiàn)主動而有針對性的信息服務(wù)。 然而，傳統(tǒng)的推薦方法存在著冷啟動、匹配不準(zhǔn)確等問題。數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中，抽取出潛在的、有

2、價值的知識（模型或規(guī)則）的過程。本文正是基于數(shù)據(jù)挖掘技術(shù)，實現(xiàn)畢業(yè)設(shè)計過程中的文獻自動推薦。 本文在研究和比較了國內(nèi)外學(xué)者提出的各種推薦方法的基礎(chǔ)上，提出了結(jié)合關(guān)聯(lián)規(guī)則和分類規(guī)則的推薦方法。綜合用戶的注冊表單信息和網(wǎng)上行為記錄，對用戶興趣特征進行建模，最大程度地提取用戶的興趣。利用關(guān)聯(lián)規(guī)則挖掘文獻資源間的關(guān)聯(lián)程度，從而產(chǎn)生近鄰資源，可以很好的解決稀疏性以及奇異發(fā)現(xiàn)問題。分類規(guī)則用來實現(xiàn)對學(xué)生用戶的分類，通過對用戶的興趣特征進行學(xué)