基于分类的协同过滤图书推荐系统应用研究.pdf

《基于分类的协同过滤图书推荐系统应用研究.pdf》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、学术探讨应用技术与研究2015年第９期基于分类的协同过滤图书推荐系统应用研究陈泽波（广州工程技术职业学院信息工程系，广东广州510075）[摘要]随着社会的发展，图书馆图书的总量呈数量级增长，人们面对大量的图书和文献资料变得无从选择，而传统的图书检索技术并不能向读者提供主动式、个性化的检索结果。推荐系统是一种智能化系统，它把用户对目标对象的选择、评价等大量信息通过特定的算法进行处理，根据处理结果形成推荐列表向用户进行推荐，以此提供决策参考。文章将就基于分类的协同过滤图书推荐系统展开研究和探讨。[关键词]协同过滤；基于分类的协同过滤；推荐系统中图分类号：

2、TP311.13文献标识码：A文章编号：1008-6609(2015)09-0060-03在协同过滤推荐系统中，用户对产品的评分通过计算近1引言邻用户对其评分而得到。对于近邻用户的计算，协同过滤推协同过滤推荐系统是电子商务网站普遍运用的技术，主荐系统采用了很多方法来计算。这些算法中，大都基于用户要目的是为了吸引顾客增加销售额。将协同过滤应用于图对共同喜爱产品的评价。其中，最常用的方法是夹角余弦方书馆日常管理工作中，目的是希望通过推荐系统推荐给读者法和Person相关性。根据算法是否需要学习已有数据，可以其感兴趣的图书和文献，帮助读者更好地使用图书馆资源

3、，分为基于近邻和基于模型两类算法。同时也能提高图书馆馆藏资源的利用率。在原有研究的基基于近邻的算法利用用户之前的评分数据，对用户未评础上提出一种改进的推荐算法——基于分类的协同过滤算价的对象给出一个平均评分。基于模型的算法利用收集用法，解决了新读者的初始评分问题，根据读者的借阅历史对户的打分数据进行学习并构建用户行为模型，然后对某个产读者进行分类，结合相关影响因子的分析，改进读者相似度品进行预测打分。的计算公式，可以有效解决协同过滤推荐系统存在的冷启动2.2协同过滤推荐系统的优缺点及系统扩展性问题。协同过滤推荐系统的优点是不依赖于推荐对象本身的2协同过

4、滤推荐系统内容，能够推荐多种介质，甚至包括虚拟对象。同时，协同过2.1协同过滤推荐系统的原理滤推荐的个性符合度较高，而且还可以帮助用户发现新的兴协同过滤系统（CollaborativeFiltering）也有学者称为“协趣。缺点是冷启动问题，即对于新产品、新用户，系统得不到同推荐系统(CollaborativeRecommendation)”。系统假设具产品所获得的评价，也得不到新用户的兴趣爱好、行为记录，有相似兴趣特征的用户将会采用相似的行为。系统的原理因此新产品得不到推荐，新用户无法获得满意的推荐产品。是通过用户的注册信息、历史记录来提取用户的行为

5、特征，同时，随着用户数量的增加、产品的增加导致计算量过大，信接着根据这些特征在用户群中寻找相似邻居，最后依据相似息过滤的效率不高。因此，协同过滤推荐系统适用于用户规邻居的借阅行为向该用户进行推荐。协同过滤系统是最早，模相对稳定、产品数量相对固定的系统。也是目前得到最广泛应用的推荐系统。2.3协同过滤推荐系统有助于充分开发图书馆资源图书馆的建设不应该仅考虑不断地扩充图书文献资源，被动地等待读者自己进行选择，而应该以读者为中心，整合各种信息资源和手段，主动为读者提供信息服务，这样既有利于帮助读者找到感兴趣的图书文献，又能大大提升图书馆各类资源的利用率。因此

6、，构建协同过滤图书推荐系统是十分必要的。图1协同推荐原理示意图3基于分类的协同过滤算法——————————————作者简介：陈泽波，男，广东惠来人，本科，实验师。研究方向：软件工程，计算机系统应用。-60-应用技术与研究学术探讨2015年第9期读者由于专业的限制、兴趣的导向，往往更多地关注于表2读者评价图书分类表某一个或几个领域，对该领域内的图书加以评论，而对其它评价过的喜爱的喜爱图书读者的图书图书类别分类领域内的图书很少问津。据此行为特征，将图书分成若干个读者１a,b,d,ga,bF0,F2F0,F2不同类型，只对读者感兴趣的一个或几个类别的图书由读

7、者读者２进行比较过滤推荐。这样，可以大大减少参与推荐的图书数读者３读者４目和读者数目，从而可以有效地克服数据稀疏性和系统可扩读者５展性的问题。读者n3.1图书的初始评分值问题3.3读者相似度的影响因子由于图书文献数量巨大，不是每本图书都有机会得到读在现实情况下，读者的身份、职称、年龄等不一而同；有者的评分。同时，每天都有新书经加工后进入数据库，这些的读者评分时偏向于积极评价，因此分值偏高，有的读者评新书无法获得读者的评价，导致数据稀疏性问题。这里采取分时偏向于审慎评价，因此分值偏低；一些读者给出的评价图书的初始评分法来解决这一问题。即在新书进行编目和比

8、较公正客观，而一些读者给出的评价随意性较大。不同读分类加工时，给新书一个初始评分，以解决数据稀