共查询到20条相似文献,搜索用时 750 毫秒
1.
基于协同过滤算法的高校图书馆图书推荐系统研究 总被引:3,自引:0,他引:3
董坤 《现代图书情报技术》2011,(11):44-47
针对当前高校图书馆主动式图书推荐服务存在的对服务对象信息需求挖掘、分析不足的问题,提出构建基于协同过滤算法的个性化图书推荐系统。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,基于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图书推荐信息,并通过实验证明该方法的有效性和实用性。 相似文献
2.
3.
基于Hadoop开源分布式计算框架和Mahout协同过滤推荐引擎技术构建图书推荐引擎系统,并利用云模型和Pearson系数对传统协同过滤推荐算法进行改进,改善传统单机推荐算法在高维稀疏矩阵上进行运算所导致的系统性能不佳及推荐结果不准确的问题。利用实验对分布式推荐平台的整体性能及改善后的协同过滤推荐算法进行测试评估,发现当虚拟机节点不断增加时,协同过滤推荐引擎的计算时间不断减少,这表明推荐引擎系统的总体性能较传统单机推荐引擎得到提升;利用MAE分别对原始协同过滤推荐效果和改进后的推荐算法进行测评,发现改进后的推荐引擎算法的推荐准确率较改进前提高13.1%。 相似文献
4.
5.
一种基于加权关联规则的协同推荐算法 总被引:3,自引:0,他引:3
协同过滤技术不需要分析待推荐资源的内容信息,在电影、音乐、图书等非结构化数据占主流的电子商务推荐领域得到了广泛的应用,成为电子商务推荐领域的主流技术.针对基于项目的协同过滤算法不能实现"跨类型"推荐的缺点,本文提出了一种新的基于关联性评分预测的协同过滤算法IAPCF.区别于传统的算法,IAPCF算法根据项目之间的关联规则,而不是根据多用户对项目评分形成的向量间的相似度来寻找项目的最近邻居集合.该算法能较好地实现"跨类型"项目的推荐.实验结果表明,IAPCF算法具有更好的推荐精度. 相似文献
6.
针对移动环境下读者个性化阅读需求具有高度情境敏感性的特点,面向数字图书馆领域提出一种基于情境感知的个性化信息推荐模型.首先,提出“情境熵”来度量读者对不同情境属性的情境感知度,并计算出每个情境属性在信息推荐中的相应权重值;在此基础上结合传统的协同过滤技术,提出一种基于情境感知的信息协同过滤推荐方法.最后,通过实验验证本文所提出方法具有有效性,能够较好地预测读者对情境属性的感知能力,为读者提供移动环境下个性化的阅读推荐服务. 相似文献
7.
基于协同过滤的数字图书馆推荐系统研究 总被引:10,自引:0,他引:10
信息推荐服务是数字图书馆的一项重要功能。该文论述了基于协同过滤的数字图书馆推荐系统的基本原理与特点、数字图书馆进行协同推荐的必要性,介绍了基于协同过滤推荐系统的主要方法和技术,并分析了目前协同过滤方法在数字图书馆推荐系统中应用的一些实例。 相似文献
8.
[目的/意义] 为解决高校图书推荐过程中面临的“数据稀疏”和“冷启动”问题,研究表明:优化读者评价矩阵和相似度模型是提高图书推荐质量的关键。[方法/过程] 提出一种协同过滤改进方法,以图书分类为项目生成用户评价矩阵,并考虑借阅方式、借阅时间和图书相似度对用户兴趣度的影响,优化矩阵中的样本数据;同时,在计算读者相似度时融入读者特征和图书特征。[结果/结论] 实验结果表明,该方法可有效解决“数据稀疏”和“冷启动”问题,显著降低计算量。与基本协同过滤和聚类改进的协同过滤方法相比,无论是在推荐准确率还是在用户满意率上都有较大的提高,综合推荐效果更好。 相似文献
9.
基于项目分类预测的协同过滤推荐算法 总被引:3,自引:0,他引:3
在电子商务系统中,为了帮助用户有效地发现、过滤和利用信息,信息过滤技术应运而生.协同过滤技术作为其中的一种技术被成功地应用于推荐系统中.随着电子商务用户数目和商品数目的日益增加,整个项目空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,导致推荐系统的推荐质量急剧下降.针对这一不足,提出基于项目分类预测的协同过滤算法,通过对用户评分矩阵中的项目进行相应的分类,缩小邻近搜索的范围,预测项目评分,减少稀疏性,并采用新的相似度计算方法.实验结果表明,该算法能提高个性化推荐算法的准确性. 相似文献
10.
《图书馆理论与实践》2014,(9)
将标签引入高校学术资源推荐系统,利用标签数据,采取基于用户的协同过滤算法和基于关联资源的协同过滤算法相结合的方式实现资源推荐,既能体现用户的兴趣点和关注点,也能兼顾资源之间的关联性,使推荐的资源更具个性化和全面性,而且在系统中增加了为用户提供推荐标签词表的功能,提高了用户使用标签的积极性与使用标签的准确率。 相似文献
11.
12.
移动终端的普及重塑人们的阅读空间和方式,而智能算法也成为移动阅读平台为用户提供个性化服务的重要工具。文章主要介绍基于内容的算法推荐、协同过滤的算法推荐、关联规则的算法推荐以及混合算法推荐等主要算法推荐技术及其在移动阅读领域的应用逻辑,从而揭示算法推荐给移动阅读带来的影响。 相似文献
13.
14.
通过分析2003年至2016年中国知网发表的"图书情报与数字图书馆"领域关于协同过滤推荐的82篇文献,总结我国学术数据库协同过滤资源推荐的研究现状.通过对文献样本进行分类,发现目前该领域的研究重点主要集中于对学术数据库协同过滤推荐的推广和对推荐算法本身的完善两个方面,且后者主要集中于对数据稀疏性问题和可扩展性问题的解决.通过进一步分析,发现国内研究人员主要通过结合基于内容的推荐、空值填补和推荐结果融合三种方法缓解数据稀疏性问题;通过聚类的方法缓解可扩展性问题. 相似文献
15.
目前协同过滤被广泛应用于数字图书馆、电子商务等领域的个性化服务系统.最近邻算法则是最早提出和最主要的协同过滤推荐算法,但用户评分数据稀疏性严重影响推荐质量.针对上述问题,提出了一种基于Rough集理论的最近邻协同过滤算法,以用户评分项并集作为用户相似性计算基础,并将非目标用户区分为无推荐能力和有推荐能力两种类型;对于无推荐能力用户不再计算用户相似性以改善推荐实时性,对于有推荐能力用户则提出一种基于Rough集理论的评分预测方法来填补用户评分项并集中的缺失值,从而降低数据稀疏性.实验结果表明新算法能有效提高推荐质量. 相似文献
16.
互联网用户可以在计算机前轻轻点击鼠标来完成相对于现实生活中复杂的互动交友活动,个性化好友推荐系统通过基于内容推荐、协同过滤推荐、聚类推荐三种策略来帮助用户建立网状复杂的人际关系,最终提高用户对于本类社交网站的忠诚度。本文将通过详细分析新浪微博、腾讯QQ和人人网三大社交网站来具体分析个性化好友推荐系统的优缺点。 相似文献
17.
在深入分析当今图书管理信息系统的发展水平和趋势,以及在现有的个性化信息服务技术和研究应用的基础上。把智能Agent技术应用于图书管理的个性化服务上,探讨了新的系统机构模型和编程模式。并对个性化检索、用户兴趣特征学习和检索信息过滤等关键技术进行了阐述。最后,集中论述Agent在图书管理信息系统中的个性化主动服务问题。 相似文献
18.
19.
20.
拟合用户兴趣演变特性的协作过滤推荐算法 总被引:2,自引:0,他引:2
个性化推荐技术是将传统的数据挖掘技术同用户访问信息结合起来,根据用户的兴趣爱好来对用户可能访问的内容进行预测并预取其提供给用户进行选择.目前协作过滤技术是个性化推荐系统中应用最为成功的推荐技术之一,但传统的协作过滤算法没有考虑用户的兴趣演变,难以有效地反映用户真实兴趣.在分析目前协作过滤算法存在问题的基础上,利用用户访问兴趣分为偶然兴趣和稳定兴趣的特性,文章提出了基于偶然兴趣的推荐权重和基于稳定兴趣的推荐权重,并将它们融入新的拟合用户兴趣演变的协作过滤算法中.实验表明该算法能准确地反映用户访问兴趣,较传统的协作过滤算法可以有效提高推荐精度. 相似文献