基于文本語(yǔ)義的個(gè)性化圖書推薦.pdf

1、互聯(lián)網(wǎng)中積累的海量圖書標(biāo)簽、摘要為分析閱讀興趣和構(gòu)建個(gè)性化圖書推薦系統(tǒng)提供了新的數(shù)據(jù)來(lái)源。因此本文主要研究如何整合標(biāo)簽、摘要等文本數(shù)據(jù)，構(gòu)建個(gè)性化圖書推薦系統(tǒng)，提升系統(tǒng)性能。
　　本文工作可以分為基于語(yǔ)義的興趣偏好模型、推薦算法的設(shè)計(jì)和基于Spark平臺(tái)的并行化實(shí)現(xiàn)三個(gè)部分。首先提出基于詞向量和共現(xiàn)頻次計(jì)算標(biāo)簽語(yǔ)義相似度的算法，并針對(duì)具體場(chǎng)景設(shè)計(jì)優(yōu)化方式。然后分別使用PIC算法和LDA算法建立基于標(biāo)簽和圖書摘要的語(yǔ)義偏好模型，并采

2、用基于語(yǔ)義偏好的協(xié)同過(guò)濾擴(kuò)展算法生成圖書推薦列表。最后，在Spark分布式計(jì)算平臺(tái)上并行化實(shí)現(xiàn)推薦系統(tǒng)。
　　本文首先介紹了課題的研究背景與意義，在相關(guān)文獻(xiàn)的基礎(chǔ)上，總結(jié)了影響個(gè)性化推薦系統(tǒng)性能的關(guān)鍵問(wèn)題，明確了本文的具體研究?jī)?nèi)容。其次，本文研究了語(yǔ)義分析、聚類、推薦算法等課題關(guān)鍵技術(shù)，指出各種技術(shù)的優(yōu)缺點(diǎn)，是后續(xù)研究的理論基礎(chǔ)。再者，建立基于文本語(yǔ)義的興趣偏好模型。其中，引入衰減函數(shù)作為權(quán)重，解決標(biāo)簽偏好的時(shí)間效應(yīng)問(wèn)題;提出基于

3、詞向量和共現(xiàn)頻次計(jì)算標(biāo)簽相似度的算法，并針對(duì)本課題的具體場(chǎng)景設(shè)計(jì)優(yōu)化方式，提升相關(guān)性計(jì)算的準(zhǔn)確度;基于PIC算法實(shí)現(xiàn)標(biāo)簽聚類，建立基于標(biāo)簽語(yǔ)義的興趣偏好模型，解決了標(biāo)簽的稀疏問(wèn)題;利用LDA算法分析圖書摘要潛在主題分布，建立摘要語(yǔ)義偏好模型，解決標(biāo)簽過(guò)少引起的冷啟動(dòng)問(wèn)題。
　　本文使用基于語(yǔ)義偏好的協(xié)同過(guò)濾擴(kuò)展算法生成推薦結(jié)果，并設(shè)計(jì)實(shí)驗(yàn)測(cè)試系統(tǒng)性能。
　　實(shí)驗(yàn)結(jié)果表明:
　　(1)基于文本語(yǔ)義的閱讀興趣偏好特征能夠正