基于小数据融合的数字图书馆个性化推荐研究

发布时间：2020-12-23 02:03

　　随着数字资源数量的迅猛增长,用户在数字图书馆中找到符合自身需求或感兴趣的资源愈加困难。数字图书馆提供个性化的服务,主动为用户推荐符合其需求的内容是应对这一困难的有效手段。经过专家学者大量的研究,数字图书馆个性化推荐模型已经比较成熟,通常由用户信息模块,用户兴趣模块,推荐算法模块三部分构成。其中,用户信息模块是数字图书馆个性化推荐的基础,在一定程度上决定着推荐效果的优劣。现有数字图书馆个性化推荐研究中的用户信息多是来源于数字图书馆管理系统内部,数据利用率较低,难以充分表示用户特征。随着科学技术的持续发展,可穿戴设备、传感器等电子设备的不断涌现,关于用户个体行为的细粒度数据得到了很好地记录与收集,将这些数据结合使用可以更加全面且深刻地刻画用户行为。这种记录了关于用户日常行为、爱好、习惯等的数据被称作“小数据”,是对用户个体进行全方位、多角度、细粒度量化的数据。将数字图书馆系统内外以及电子设备中的用户小数据结合在一起可以更全面、更深刻、更立体化的描述用户特征。小数据来源广泛,形式多样,结构复杂。想要高效利用小数据中深藏的价值,有必要对其进行有效地组织与融合。本文探讨使用小数据融合的方法进行数... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图２．１数字图书馆个性化推荐通用模型图??

妒垦?宦畚模崳姡停粒樱裕牛遥В樱牐裕龋牛樱桑樱崳?并通过资源分类树来对用户兴趣库进行更新，定期分析用户兴趣的衰减与增强，反??映用户的即时偏好，其模型结构如图２．２。??兴趣衰减??用户访问日志＾??资源分类树——？用户兴趣库?？评估????／／??！?＾ｆ?１?＇???｜?＾资源关联＾＾??用户聚类??图２．２基于资源分类树的数字图书馆用户兴趣模型结构图??２．３．２基于本体的方法??基于本体的用户建模方法使用向量空间表示用户模型，推荐系统中用户模型需??要与数字图书馆的领域本体和概念进行匹配计算，匹配过程中需要和领域本体库进??行交互，因此在建立推荐系统的前期首先要使用领域本体库对资源进行表示。用户??兴趣抽取部分模块任务是对采集到的用户数据使用合适的方法进行分析。用户数据??的采集范围包括用户在数字图书馆中的使用记录、浏览记录以及用户操作时的模式??等，在其中挖掘用户的需求和偏好。用户兴趣信息更新部分模块需要结合已经建立??好的用户模型以及系统持续挖掘的用户兴趣，对用户模型进行实时的更新。系统为??用户提供推荐服务后，用户对服务进行反馈以此反映用户个体的偏好，判断用户模??型的优劣，继续通过数据采集模块收集用户数据，循环往复，不断循环。基于本体??的数字图

的检索者访问信息传给文本分析模块，文本分析模块接收到信息后，到文档模型库??中查找相应的页面内容信息，同时系统根据检索者在页面的操作来推测检索这的兴??趣爱好与内容的关系，结构如图２．４。??Ｉ?１??用户??；?▲?１??丁??丄??．?；?Ｉ??个１?１?Ｉ?（????性?文本分析?用户主动维护检索日志分析??化?ＩＩ?卜??数??据?——」?．?＾???预??处?用户模型生成和聚类??理?Ｉ?１??Ｉ??：?ｘ????＾??３＾????’??图２．４基于用户检索行为的数字图书馆用户模型结构图??２．４数字图书馆个性化推荐系统??个性化推荐在数字图书馆发展过程中变得越来越重要，目前已经有一些成熟的??数字图书馆个性化推荐系统，本节将详细介绍国内外较成熟的应用系统。??２．４．１国外数字图书馆个性化推荐系统??国外较成熟的数字图书馆个性化推荐系统包括美国施乐公司开发的Ｔａｐｅｓｔｒｙ系??统，美国斯坦福大学开发的Ｆａｂ系统，美国ＮＥＣ实验室开发的Ｃｉｔｅｓｅｅｒ系统，美国??俄勒冈州立大学开发的ＳＥＲＦ系统以及美国加州大学开发的Ｍｅｌｖｙｌ系统［３７］。??Ｔａｐｅｓｔｒｙ是一个管理电子文档的实验系统

【参考文献】：
期刊论文
[1]养老服务数据融合需求分析和框架设计[J]. 朱庆华,吴琼,郭雨辰,左美云.  文献与数据学报. 2020(03)
[2]国内图书馆界小数据研究进展[J]. 曹霞.  图书情报工作. 2020(14)



本文编号：2932861