共查询到20条相似文献，搜索用时 15 毫秒
1.
2.
【目的/意义】通过订阅记录获取用户兴趣爱好,并将协同过滤推荐方法应用于图书个性化推荐,为读者提供优质服务。【方法/过程】以协同过滤算法为基础,根据用户订阅记录,分别计算用户相似性和订阅图书相似性。针对传统协同过滤方法在计算热门订阅相似度时存在的缺陷,引入对订阅权重的惩罚机制,减轻了热门订阅会和很多订阅相似的可能性,并根据协同过滤方法,产生相应推荐结果。【结果/结论】运用公开可获取的数据集进行的算法验证表明,基于订阅记录的协同过滤算法推荐准确度较高,对提升用户图书借阅体验相关研究与实践有一定的参考价值。 相似文献
3.
构建基于分布式平台及大量借阅数据的图书推荐算法,是实现图书馆个性化信息推送服务的关键环节.本文从搭建Hadoop分布式平台和运用Mahout的MapReduce实现算法入手,针对读者借阅记录的分类号进行频数统计和借阅时间统计,依据借阅次数和借阅时间获得偏好值.并使用Mahout基于图书的推荐器,测试伪分布式单节点模式和完全分布式MapReduce计算框架下的推荐效果.测试表明:在MapReduce运算中增加DataNode的数量同时优化BlockSize参数能显著缩短运算时间,是实现个性化荐书服务自动推送的可行方法. 相似文献
4.
5.
一种基于用户聚类的协同过滤个性化图书推荐系统 总被引：1，自引：1，他引：1
综合协同过滤技术和聚类技术，提出了一种个性化图书推荐系统的具体实现方案。系统对图书馆数据库保留的大量用户图书借阅记录进行挖掘，向用户提供个性化图书推荐，为图书馆个性化服务的研究和实践提供了一种新的思路。 相似文献
6.
7.
《内蒙古科技与经济》2021,(6)
介绍了数据挖掘技术的相关概念和算法,并深入研究了关联规则的经典算法"Apriori算法",分析了数据挖掘技术应用于高校图书馆管理的必要性和可行性,提出了基于关联规则分析法的高校图书智能推荐系统的设计思想和功能目标;通过对高校图书馆借阅数据的挖掘,探讨了一种高校智慧图书馆中的关联规则数据挖掘方法——通过挖掘借阅记录数据间的关系来分析读者和图书、不同类别图书间的关系,并应用于个性化服务工作中,发现读者的借阅历史存在着某种关联,不同类型读者的借阅记录及不同学科的借阅记录之间都存在着某种关联规则,利用这些规则对于高校图书馆优化图书推荐服务、探索智慧型个性化服务、改善馆藏布局具有良好的意义。 相似文献
8.
针对当前高校学科信息服务平台存在的对服务对象信息需求挖掘、分析不足的弊端,提出构建基于协同过滤算法的学科信息服务平台。通过引入读者专业、角色、学历、借阅记录等影响和反映读者信息需求的因素构建读者特征模型,该模型采用优化的协同过滤算法挖掘读者信息需求并产生个性化推荐信息,可有效提升学科信息服务质量。 相似文献
9.
关联规则与图书馆书目推荐 总被引：3，自引：0，他引：3
文章分析了现有的图书馆书目推荐系统和商务书目推荐系统存在的不足,介绍了数据挖掘中的关联规则及其在图书馆书目推荐的应用.最后以简单的图书借阅例子说明Apriori算法的应用,通过分析大量历史借阅记录,对读者的借阅提供个性化的推荐服务. 相似文献
10.
针对传统协同过滤技术在图书推荐中效率不高、数据极端稀疏性及主观性强等问题,提出一种基于云填充和蚁群聚类的协同过滤图书推荐方法,首先根据蚁群聚类算法得到用户群分类,然后在进行协同过滤前预先通过云模型填充用户——项目矩阵,以降低数据的稀疏性。实验结果表明,该算法在推荐精度上有明显的提高。 相似文献
11.
图书馆的读者借阅记录中通常会隐含读者的借阅兴趣和规律,如何有效地从中提取出读者对各类图书的兴趣,对读者的借阅模式加以区分,可以对图书的分类组织、图书的采购编目、以及读者服务等方面起到良好的指导作用。引入数据挖掘中的聚类思想,提出了一种基于聚类的借阅模式分析方法,在读者借阅记录上的实验表明通过读者对不同类别图书的兴趣作为度量对读者借阅模式加以区分的方法是行之有效的。 相似文献
12.
在移动环境下让用户对博客进行直接评分有很多弊端.因此,如何获取用户对博客的评分信息已成为一个亟待解决的问题.基于隐性评分技术,通过分析用户阅读博客时的阅读速度和阅读文章的比例,计算出用户对博客的偏好信息,进而将传统的基于项目的协同过滤技术应用到博客推荐中,提出了移动环境下基于隐性评分的协同过滤博客推荐技术.最后,通过实验证明该技术可以在移动环境下有效地为用户推荐符合其兴趣的博客. 相似文献
13.
协同过滤推荐算法已成功应用在各类门户网站,越来越多的研究者参与其中,然而在协同过滤推荐过程中用户—项目评分矩阵数据稀疏性以及推荐的准确性低等问题,始终制约着该算法的发展。为此,从用户兴趣角度出发,单独构建情景用户兴趣模型及社交网络用户兴趣模型,再通过Logit Boost算法将2个兴趣模型融合得到准确的用户兴趣模型。Slope One算法填充用户—项目评分矩阵,解决用户—项目评分矩阵数据稀疏性问题;同时,通过用户兴趣模型计算目标用户的最近邻居用户,通过计算用户相似性,得到推荐集来提高协同过滤推荐算法的推荐准确度。 相似文献
14.
15.
16.
17.
18.
[目的/意义]基于近邻用户的协同过滤推荐作为推荐系统应用最广泛的算法之一，受数据稀疏和计算可扩展问题影响，推荐效果不尽如人意。[方法/过程]针对上述问题，提出了一种改进的推荐算法(Category Preferred Data Field Clustering Based Collaborative Filtering Recommendation, CPDFC-CFR)。首先，该算法舍弃用户评分，利用评论情感构建用户—项目矩阵，以增强用户偏好表示能力；其次，该算法引入类目偏好和语义偏好的概念，利用类目偏好比对高维用户—项目矩阵进行降维，并在用户相似度计算中纳入评论情感偏好、项目类目偏好和语义偏好，以降低数据稀疏性；最后，该算法将数据场作为用户聚类的前置算法，把数据场输出(极大值点)作为K-means算法输入，以提升算法实时性和稳定性。[结果/结论]实验结果表明：(1)项目类目级别越低，CPDFC-CFR算法准确性(F-measure)和即时性(相似度计算次数和推荐耗时)越优；(2)与其他推荐算法相比，CPDFC-CFR算法能够有效提升推荐准确性和计算效率，对协同过滤推荐系统建设具有重... 相似文献
19.
[目的/意义]构建以用户借阅行为画像为导向、与馆藏图书资源画像内容挖掘相结合的精准阅读推广模式,进而有效地推广阅读。[方法/过程]基于江苏省公共图书馆大数据服务平台,以2021年某市公共图书馆7 728名读者、84 754条借阅数据为研究对象,借助Excel、FineBI和微词云等工具,分析读者的历史行为数据建立用户借阅行为画像,同时采取结合图书特征和资源标签的方法建立资源画像,在此基础上进行图书推荐。[结果/结论]根据用户画像和资源画像的特征相似度进行推荐图书,可以提高阅读推广服务精准化和增加用户黏性。 相似文献