隨著數(shù)據(jù)科學(xué)的快速發(fā)展以及軟硬件技術(shù)水平的不斷提高,各行各業(yè)智能化水平越來(lái)越高,傳統(tǒng)數(shù)字圖書(shū)館所提供的基本圖書(shū)檢索、熱門(mén)推薦等服務(wù)不再能滿(mǎn)足讀者的需求,而個(gè)性化的圖書(shū)推薦服務(wù)越來(lái)越受歡迎,其最顯著的意義是能提升讀者體驗(yàn)和提高圖書(shū)資源的利用率。推薦算法是圖書(shū)推薦系統(tǒng)的核心,傳統(tǒng)的協(xié)同過(guò)濾算法面臨著數(shù)據(jù)稀疏、冷啟動(dòng)的問(wèn)題,基于內(nèi)容的推薦算法面臨著圖書(shū)內(nèi)容特征缺失和提取不準(zhǔn)確的問(wèn)題。針對(duì)這些問(wèn)題,論文提出了基于詞向量的改進(jìn)策略。首先,針對(duì)只有借閱記錄的圖書(shū)館中傳統(tǒng)算法面臨的數(shù)據(jù)稀疏問(wèn)題,論文在傳統(tǒng)基于物品的協(xié)同過(guò)濾算法基礎(chǔ)上,提出了基于詞向量的改進(jìn)算法。算法通過(guò)word2vec訓(xùn)練借閱記錄獲得圖書(shū)向量,根據(jù)圖書(shū)詞向量計(jì)算圖書(shū)相似性實(shí)現(xiàn)圖書(shū)推薦,并通過(guò)實(shí)驗(yàn)驗(yàn)證了詞向量方法在提高覆蓋率上的有效性。針對(duì)冷啟動(dòng)問(wèn)題,論文設(shè)計(jì)了一套冷啟動(dòng)策略,實(shí)驗(yàn)證明在保障覆蓋率的情況下,該策略能提高推薦結(jié)果的準(zhǔn)確率。其次,針對(duì)只有借閱記錄的圖書(shū)館圖書(shū)內(nèi)容缺失的問(wèn)題,論文提出通過(guò)BTM主題模型對(duì)獲取到的豆瓣圖書(shū)標(biāo)簽建模,然后將其和豆瓣圖書(shū)簡(jiǎn)介內(nèi)容融合來(lái)豐富圖書(shū)信息量。在傳統(tǒng)的基于內(nèi)容的推薦算法的基礎(chǔ)上,通過(guò)利用詞向量... 

【文章來(lái)源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Skip-gram模型

圖2-5物品冷啟動(dòng)推薦策略表2-1 word2vec算法展示圖書(shū)名稱(chēng) 相似度數(shù)理統(tǒng)計(jì)0.923數(shù)學(xué)分析0.903高等代數(shù)0.893解析幾何0.823微積分0.803高等數(shù)學(xué)0.693經(jīng)濟(jì)學(xué)原理0.623果分析理高校圖書(shū)館過(guò)去3年的讀者借閱數(shù)整理后，選取完整3年的圖書(shū)館讀者的63123條借閱記錄。

程度的降低，尤其是在推薦物品數(shù)目比較少的情況下這種差異比較明顯，說(shuō)明在推薦數(shù)目較少的情況下，基于詞向量的改進(jìn)算法在推薦上能有效改進(jìn)基于物品的協(xié)同過(guò)濾算法推薦圖書(shū)比較熱門(mén)的缺陷。但是從圖2-7可以看出詞向量計(jì)算圖書(shū)相似性的- 16 -

【參考文獻(xiàn)】：
期刊論文
[1]一種改進(jìn)的協(xié)同過(guò)濾方法在高校圖書(shū)館圖書(shū)推薦中的應(yīng)用[J]. 宋楚平.  圖書(shū)情報(bào)工作. 2016(24)
[2]基于Word2Vec的一種文檔向量表示[J]. 唐明,朱磊,鄒顯春.  計(jì)算機(jī)科學(xué). 2016(06)
[3]高校圖書(shū)館個(gè)性化推薦服務(wù)算法研究[J]. 王飛,楊國(guó)林.  內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版). 2015(06)
[4]圖書(shū)館發(fā)展史回顧[J]. 郭文雯.  才智. 2015(19)
[5]Spring MVC+Hibernate+jQeury模式開(kāi)發(fā)框架應(yīng)用研究[J]. 徐金虎,宋斌,丁銳.  自動(dòng)化技術(shù)與應(yīng)用. 2015(03)
[6]高校資源共享的可行性探究——以秦皇島市兩所高校為例[J]. 尹仁航,劉雨潤(rùn),李京,孫小那,彭圓圓.  管理觀(guān)察. 2014(33)
[7]基于標(biāo)簽和關(guān)聯(lián)規(guī)則挖掘的圖書(shū)組合推薦系統(tǒng)模型研究[J]. 李默,梁永全.  計(jì)算機(jī)應(yīng)用研究. 2014(08)
[8]基于核方法的User-Based協(xié)同過(guò)濾推薦算法[J]. 王鵬,王晶晶,俞能海.  計(jì)算機(jī)研究與發(fā)展. 2013(07)
[9]結(jié)合項(xiàng)目分類(lèi)和云模型的協(xié)同過(guò)濾推薦算法[J]. 熊忠陽(yáng),劉芹,張玉芳.  計(jì)算機(jī)應(yīng)用研究. 2012(10)
[10]基于n序訪(fǎng)問(wèn)解析邏輯的協(xié)同過(guò)濾冷啟動(dòng)消除方法[J]. 李聰,梁昌勇.  系統(tǒng)工程理論與實(shí)踐. 2012(07)

碩士論文
[1]基于Word2Vec的個(gè)性化餐飲推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 段琦.重慶大學(xué) 2017
[2]高校圖書(shū)館館藏圖書(shū)個(gè)性化推薦研究[D]. 夏紅玉.華中師范大學(xué) 2016
[3]協(xié)同過(guò)濾推薦系統(tǒng)中冷啟動(dòng)問(wèn)題的研究[D]. 徐登友.云南大學(xué) 2016
[4]基于內(nèi)容特征提取的興趣建模[D]. 張岱.北京郵電大學(xué) 2015
[5]基于OPAC的高校圖書(shū)館個(gè)性化圖書(shū)推薦算法研究[D]. 陳永光.南京理工大學(xué) 2013



本文編號(hào)：3517678