协同过滤技术在高校图书馆学术资源个性化推荐服务中的应用研究
摘要：个性化信息服务是未来图书馆信息服务的发展方向。在分析已有的个性化信息服务应用系统基础上，构建了基于协同过滤技术的高校图书馆学术资源个性化推荐系统理论模型，通过对用户信息的表示与获取、邻集的形成及推荐信息的产生等方面介绍了推荐系统的实现。协同过滤技术的应用能够提高高校图书馆学术资源个性化推荐服务的精度和效率。
关键词：协同过滤技术；高校图书馆；学术资源；个性化推荐
中图分类号：G250.7文献标识码：A
DOI：10.13897j.cnki.hbkjty.2017.0080
随着现代信息的多元化和高校图书馆的进一步发展，高校图书馆馆藏资源日益丰富，用户可在其中找到任何自己需要的资源。高校图书馆丰富的馆藏资源满足了广大用户的需要，同时也为进一步提高高校师生的整体素质提供帮助。然而，丰富的馆藏资源会导致信息检索步骤较为繁琐，读者需要输入多个关键词才能确定自己想要检索的信息。目前，一些高校图书馆开通了信息推送功能，图书馆信息服务系统根据用户的点击热点、检索习惯、个人爱好等向用户推送相关信息。信息推送的主要方式有两种，一是系统向用户推荐点击率排在前列的资源。用户在图书馆中的操作会被系统自动记录下来，系统会自动根据资源点击率将图书馆资源进行排列，区分出热门资源和非热门资源。二是系统向用户推荐图书馆最新资源。高校图书馆资源的更新速度日益加快，新的热门资源逐渐被高校图书馆引入。在用户对高校图书馆系统进行访问时，系统会自动将最近更新的资源向用户进行推荐，使得用户能及时掌握图书馆更新的内容。但是，通过对当前高校图书馆管理系统资源推荐方式的分析，发现目前高校图书馆信息服务系统面向用户的资源个性化推荐服务还不完善。针对上述问题，本文建立了一个基于协同过滤技术的高校图书馆学术资源个性化推荐模型，以提高图书馆信息服务系统资源个性化推荐服务效率。
1个性化推荐服务概述
个性化推荐服务主要是指系统在分析用户喜好、职业、常检索资源类型等的基础上，总结出符合用户需求的信息，将系统中满足该信息的资源向用户进行推荐[1]。个性化推荐服务可以实现用户间经验共享，即对同类型用户需求习惯信息进行融合，以期整理出满足此类用户信息的数据资源。个性化推荐模块的工作原理为：系统对用户访问过的信息资源进行分类总结，建立用户信息资源偏好模型；
基金項目：本文系2016年度辽宁经济社会发展立项课题'基于数据挖掘技术的图书馆...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
