大数据下的图书馆个性化推荐研究

发布时间：2019-08-12 14:20

【摘要】：随着大数据时代的来临,针对所有的用户都采用同一种方法的图书馆个性化推荐,已经无法满足图书馆用户的需要。论文利用基于大数据的数据挖掘预处理技术,将图书馆用户细分为新用户和一般用户,然后利用数据挖掘与mapreduce技术,提出大数据下的图书馆个性化推荐方法和策略。
【图文】：

诰蛴胪际楣萦没У鼻胺梦事肪镀?配的关联规则；最后采用reduce进行归并，根据关联规则和推荐度阈值将推荐集推荐给用户。该方法推荐速度快，准确度高，非常适合图书馆一般用户。4个性化推荐方法相关实验测试设备为Lenove服务器。实验数据来自重庆理工大学校图书馆一个月的访问记录。选择100位新用户和100位一般用户，第1次实验采用基于用户模式聚类与mapreduce的图书馆个性化推荐方法进行推荐准确度测试，第2次实验采用基于关联规则挖掘与mapreduce的图书馆个性化推荐方法进行推荐准确度测试。图书馆用户推荐准确度如图1所示。图1图书馆用户推荐准确度第1次实验采用基于用户模式聚类与mapreduce的图书馆个性化推荐方法，实验结果是图书馆新用户的推荐平均准确度为83%，图书馆一般用户的推荐平均准确度为72%。第2次实验采用基于关联规则挖掘与mapreduce的图书馆个性化推荐方法，实验结果是图书馆新用户的推荐平均准确度为68%，图书馆一般用户的推荐平均准确度为92%。从实验结果可以看出，第1次实验采用的方法适合图书馆新用户，第2次实验采用的方法非常适合一般用户。将提出的基于用户模式聚类与mapreduce的图书馆个性化推荐方法、基于关联规则挖掘与mapreduce的图书馆个性化推荐方法应用到学校图书馆。对200位新用户采用基于用户模式聚类与mapreduce的图书馆个性化推荐方法进行推荐，对200位一般用户采用基于关联规则挖掘与mapreduce的图书馆个性化推荐方（下转第68页）

会图书馆编.国立国会图书馆三十年史[M].1979：3.[7]田悐由太郎.出版物国枦交c厶鮹と国立国会V骹鴻([J].国立国会图书馆月报,1984(8):42-43.[8]，

本文编号：2525768