浅论个性化技术及其在数字图书馆中应用的研究

《浅论个性化技术及其在数字图书馆中应用的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文作者签名：指导教师签名：论文评阅人1：评阅人2：评阅人3：评阅人4：评阅人5：答辩委员会主席：委员l：委员2：委员3：委员4：委员5：答辩日期：Author’ssignature：^●■●SUper、rlS0r7SSlgnatUre：Thesisreviewerl：Thesisreviewer2：Thesisreviewer3：Thesisreviewer4．Thesisreviewer5：Chair：(Commi舵eoforaldefence)Committeemanl：Conunitteeman2：Committeeman3：Committeeman4．Conunittee

2、man5：Dateoforaldefence：浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得逝至三太堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解迸望态堂有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝姿盘堂可以将学位论文的全部或部分内容

3、编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日浙江大学博士学位论文致谢在浙江大学攻读博士学位期间，经历了许多事，遇上了许多人，非常感谢他们在学术上、工程中、以及生活里给予我的各种关怀和帮助。首先感谢我的导师庄越挺教授。庄老师循循善诱的教导方式将我引入到个性化技术和数字图书馆研究领域中来。庄老师高标准、严要求的治学作风使得我的学术能力不断获得提高。庄老师在中美百万册书数字图书馆项目建设中的言传身教，让我积累了第一手的项目经验，拓宽了我的视野，丰富了我

4、的人生阅历。在此谨向恩师表示诚挚的感谢!其次感谢DCD实验室的各位老师和同学，尤其是参与中美百万册书数字图书馆项目的各位老师与同学，感谢他们在百万册图书服务平台研发过程中给予的智力支持和无私帮助。感谢吴江琴副教授近年来对于我的学术研究和工程实践给予的直接指导，感谢魏宝刚教授、吴飞副教授、郭同强、章夏芬、翁建广、庄凌、邵健博士，他们对于学术前沿的敏锐嗅觉，对于学术热点的及时把握，都帮助我形成了自己的科研方向。感谢鲁伟明、俞凯、周振坤、朱文浩等博士生、感谢他们在科研上，工程中，生活里给予的各种帮助，和他们一起共事是今生最值得回忆的一段经历。感谢关威、王春贺、袁川、马骋、张亮、杨晨醒等硕

5、士生，没有他们的努力工作，我们头脑风暴激发的想法就不可能转化成为百万册图书服务平台上面实际运行的各种服务。感谢DCD实验室其它研究方向上的博士生、硕士生，我从他们身上受益良多，感谢他们带给我的欢乐与激情。特别感谢潘云鹤院士，没有潘老师的高瞻远瞩，开拓创新，运筹帷幄，就没有中美百万册书数字图书馆项目的立项和建设，也就没有我充分发挥才智，提高科研水平和工程能力的大舞台。感谢CADAL管理中心的竺海康、黄晨、陈海英、郑奠、张婷、徐海燕、潘晶、曾岳艳、陈蕾同志。感谢他们在中美百万册项目建设过程中在工作、财务、培训等方面给予的密切配合。最后感谢我的父亲、母亲和各位亲朋好友，他们无微不至的照顾

6、和全方位的关怀是支持我攻读浙江大学博士学位的动力之源。张寅二零零九年九月于求是园浙江大学博士学位论文致谢II要近年来，国内外多个大规模图书数字化计划进展顺利，在大规模数字图书馆环境下的个性化技术研究己成为一个重要的研究方向。作者参与了“高等学校中英文图书数字化国际合作计划(CADAL)"的建设，主要负责研发CADAL百万册图书服务平台，为服务平台实现了图书推荐与搜索应用。本文工作围绕个性化技术研究及其在百万册图书上的应用而展开。针对推荐系统，研究了针对单维度评分以及多维度评分的协同过滤技术；但是在百万册图书服务平台服务过程中，发现读者很少为图书打分，导致基于评分的推荐系统不能够正常

7、工作；为此研发了基于图书点击日志挖掘的图书实时推荐系统，并在个人空间中提供了基于自定义多媒体规则的个性化推荐系统。针对图书搜索，注重设计用户友好的人机交互界面。研究成果如下：(1)提出了针对单维度评分推荐系统的吸收随机行走模型：将单维度评分数据转换成为二部图，引入和每个用户或物品节点相连接的空节点，在增强二部图上运用高斯随机场进行建模，将top-Ⅳ推荐问题建模成基于图的半监督分类问题，在考虑每个节点的度的情况下推导出一种有效的吸收随机行走模型。在两种真实数据集上的实验