个性化推荐技术在高校数字图书馆中的应用分析

个性化推荐技术在高校数字图书馆中的应用分析

ID:33012189

大小:2.90 MB

页数:69页

时间:2019-02-19

个性化推荐技术在高校数字图书馆中的应用分析_第1页
个性化推荐技术在高校数字图书馆中的应用分析_第2页
个性化推荐技术在高校数字图书馆中的应用分析_第3页
个性化推荐技术在高校数字图书馆中的应用分析_第4页
个性化推荐技术在高校数字图书馆中的应用分析_第5页
资源描述:

《个性化推荐技术在高校数字图书馆中的应用分析》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、密级:非密硕士学位论文中图分类号:TP311个性化推荐技术在高校数字图书馆中的应用研究学位类型:专业型学位学科(专业学位类别):计算机技术作者姓名:郑丽姣导师姓名及职称:唐明董副教授实践导师姓名及职称:钟阳高级工程师学院名称:计算机科学与工程学院论文提交日期:2015年6月2日万方数据个性化推荐技术在高校数字图书馆中的应用研究学位类型:专业型学位学科(专业学位类别):计算机技术作者姓名:郑丽姣作者学号:12020501002导师姓名及职称:唐明董副教授实践导师姓名及职称:钟阳高级工程师学院名称:计算机科学与工程学院论文提交日期:2015年6月2日学位授予单位:湖南科技大学

2、万方数据ApplicationResearchofPersonalizedRecommendationTechnologyfortheDigitalLibraryofUniversityTypeofDegreeProfessionalDegreeDisciplineComputerTechnologyCandidateLijiaoZhengStudentNumber12020501002SupervisorandProfessionalTitleMingdongTang(A.P.)PracticeMentorandProfessionalTitleYangZhong(Se

3、niorEngineer)SchoolComputerScienceandEngineeringDateJune2,2015UniversityHunanUniversityofScienceandTechnology万方数据学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全

4、了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名:日期:年月日导师签名:日期:年月日万方数据摘要在高校图书馆的建设中,数字图书馆作为一种新的形态,整合着图书馆的线上电子资源和线下图书资源,利用分布式网络、数据挖掘、推荐系统等多种新的技术,为用户提供前所未有的信息服务。然而,随着图书馆系统中的文献资源逐年增加,如何有效地帮助读者高效且准确地发

5、现所需要的信息是个研究热点。实际上,国内大多数数字图书馆系统的功能仍然以文献搜索为主,这种被动的服务方式为读者提供的个性化服务非常有限,导致图书馆文献资源利用率不高。针对这个问题,变被动服务为主动服务的个性化推荐技术在数字图书馆的应用被提出来。个性化推荐技术是实现个性化服务的重要技术手段,被广泛应用于电子商务领域。针对用户需求,为用户提供个性化服务,一方面可以帮助用户迅速找到所需商品,另一方面提升了服务质量,从而为商家获得更大的利润。在数字图书馆中,可以通过技术手段定期收集读者的基本信息和行为信息等偏好信息,为读者预测可能感兴趣的信息资源,并且通过推荐系统为读者提供主动且

6、多样化的信息服务。因此,个性化数字图书推荐系统目前已受到一定的关注。在数字图书馆的海量数据环境下,推荐准确度和运行效率是衡量推荐性能的两个重要指标。目前在各种推荐系统中,应用最广泛的推荐算法是协同过滤技术,但是协同过滤存在着冷启动、矩阵稀疏等问题,新商品将因为没有被用户评分或者只有很少的评分而无法被推荐;同时,传统的协同过滤算法的运行效率在数据量非常大时,运行效率常常不高。基于聚类的协同过滤推荐算法从一定程度上可以缓解这些问题。本文提出了一种基于聚类的协同过滤式图书信息推荐算法。它的基本思想是将所有用户根据相似性划分聚类,每一类用户看成是具有相似的兴趣或者类型。在为活动用

7、户提供图书信息推荐时,根据该用户与各个聚类中心的相似度来预测用户对图书的评分,从而推荐其感兴趣的信息。在实现所提算法的基础上,本文提出了一种基于推荐系统的数字图书馆,通过应用基于聚类的协同过滤算法,可以更加高效、准确地为读者推荐信息,从而达到提升数字图书馆的服务质量且提高文献资源的利用率的目的。具体来说,本文的主要工作如下:(1)基于高校实情探讨了面向数字图书馆的个性化服务模式。调研了高校数字图书馆的服务现状、读者需求、资源利用情况,探讨了现有的个性化服务的概念、方式、内容及实现技术,并结合实际情况提出了高校数字图书馆的个性化

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。