面向数字图书馆的个性化推荐算法研究

发布时间：2021-02-03 04:27

　　近年来,随着数字化图书馆的不断发展与普及,其资源越来越丰富,信息量越来越大。人们在享受数字图书馆带来的方便与快捷的同时,也深受其因信息的海量存储所带来的困扰。拥有海量信息的数字化图书馆不仅需要响应用户的请求,更应该主动地向用户推送信息资源。而个性化推荐技术就是研究如何向用户主动提供用户感兴趣的信息的一门技术,它是当前研究的热点,也是本文的主要内容。数字图书馆的个性化推荐服务是一种以用户需求为中心,主动分析用户的兴趣爱好,进而智能高效地为用户找到感兴趣的信息的服务。在众多的个性化推荐算法中协同过滤推荐算法是当前应用最广泛的推荐技术之一,其核心思想可理解为“如果与我同兴趣的用户喜欢这本书,那么我也很有可能喜欢它”。然而,数据稀疏问题普遍存在于实际推荐系统中,并且受到众多研究者的关注。在实际系统中,项目数量十分庞大,然而用户给予评分的项目数量大约仅占项目总数的1%。由此导致用户评分矩阵的极度稀疏,进而影响最终推荐结果的准确率。这就是所谓的数据稀疏问题。该问题也普遍存在于在数字图书馆的推荐系统中。本文主要研究如何在数据稀疏情况下提高推荐结果的准确率,以更好的将协同推荐技术应用到数字图书馆的个性... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 本文工作
    1.4 本文内容安排
第2章 相关背景
    2.1 推荐系统概述
    2.2 基于内容的推荐系统
    2.3 协同过滤推荐系统
        2.3.1 基于用户的协同过滤系统
        2.3.2 基于项目的协同推荐
    2.4 混合推荐系统
    2.5 数据稀疏问题及现有解决方法
    2.6 推荐系统的评价
        2.6.1 评价指标
        2.6.2 数据集
第3章 基于最近邻用户动态重排序协同过滤算法
    3.1 引言
    3.2 提出问题
    3.3 局部相似度
    3.4 统计特征的用户行为相似度
    3.5 最近邻用户动态重排序相似度公式
    3.6 实验结果及分析
    3.7 本章小结
第4章 基于信任度的协同推荐算法
    4.1 引言
    4.2 信任度的定义
    4.3 信任度传递规则
    4.4 基于信任度的协同推荐算法
    4.5 实验结果及分析
    4.6 本章小结
第5章 DRNN算法在实际推荐系统中的应用
    5.1 图书馆交互式科研管理平台简介
    5.2 推荐系统设计
    5.3 DRNN算法应用及其结果
第6章 结论与展望
    6.1 全文总结
    6.2 工作展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果


【参考文献】：
期刊论文
[1]国内外数字图书馆研究与发展现状[J]. 姚星星,屈鹏,谢静.  图书情报工作. 2009(13)
[2]用户体验与数字图书馆个性化服务的关系分析[J]. 李阳晖,吴红梅,赖全萍.  图书情报工作. 2009(11)
[3]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏.  自然科学进展. 2009(01)
[4]基于项目评分预测的协同过滤推荐算法[J]. 邓爱林,朱扬勇,施伯乐.  软件学报. 2003(09)
[5]从研究轨迹看国内数字图书馆服务体系建设进展[J]. 宋海艳,郭晶,陈进.  数字图书馆论坛. 2010 (Z2)

博士论文
[1]协同过滤系统的稀疏性与冷启动问题研究[D]. 孙小华.浙江大学 2005



本文编号：3015902