本文關(guān)鍵詞：基于協(xié)同過濾的個性化圖書推薦系統(tǒng)設(shè)計與實現(xiàn)

  更多相關(guān)文章： 圖書推薦 協(xié)同過濾 聚類

【摘要】：近些年來,隨著高校圖書館的不斷建設(shè)發(fā)展,館藏圖書數(shù)量也在逐年增長,如何從海量的圖書中發(fā)現(xiàn)感興趣的圖書,是每個讀者關(guān)心的問題。個性化圖書推薦技術(shù)可以較好解決這一問題。個性化推薦技術(shù)是近幾年比較流行的智能化技術(shù),已成功運用于電子商務(wù),搜索引擎等平臺。該技術(shù)可以對海量用戶信息數(shù)據(jù)進(jìn)行學(xué)習(xí),分析,并通過一系列算法挖掘出符合用戶喜好的產(chǎn)品。個性化推薦系統(tǒng)是基于個性化推薦算法基礎(chǔ)上的一套綜合信息系統(tǒng),該系統(tǒng)能將推薦結(jié)果實時輸出給用戶,用戶可根據(jù)推薦結(jié)果是否符合自己喜好進(jìn)行反饋。推薦系統(tǒng)可以利用這些反饋不斷調(diào)整推薦結(jié)果,使其更貼近用戶的喜好。本文以基于協(xié)同過濾,結(jié)合圖書領(lǐng)域的中圖分類法,實現(xiàn)了基于聚類和圖書類別偏好的協(xié)同過濾推薦算法。本算法首先根據(jù)用戶借閱圖書的天數(shù)構(gòu)造出用戶對圖書的評分來填補(bǔ)評分矩陣。接著將矩陣用聚類方法按用戶對不同圖書類別的偏好進(jìn)行預(yù)處理。處理后的結(jié)果輸入到協(xié)同過濾算法中,運用加權(quán)的用戶相似度計算方法在若干個聚類中查找目標(biāo)用戶的鄰居用戶。最后利用用戶鄰居集合中的用戶評分來對目標(biāo)圖書進(jìn)行預(yù)測,并輸出預(yù)測評分較高的圖書。該算法在一定程度彌補(bǔ)了傳統(tǒng)協(xié)同過濾算法的數(shù)據(jù)稀疏性問題和擴(kuò)展性問題。本文還在上述算法基礎(chǔ)上,結(jié)合某高校真實圖書借閱數(shù)據(jù),驗證了本文算法的合理性和可靠性,并由此開發(fā)了一套實用的個性化圖書推薦系統(tǒng)。通過真實系統(tǒng)的運行使用,并對收集的反饋結(jié)果進(jìn)行評估,驗證了本文所采用的推薦算法的準(zhǔn)確度。
【關(guān)鍵詞】：圖書推薦 協(xié)同過濾 聚類
【學(xué)位授予單位】：安徽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 引言8-13
• 1.1 研究意義及背景8
• 1.2 國內(nèi)外研究現(xiàn)狀8-11
• 1.2.1 國內(nèi)外圖書推薦系統(tǒng)9-10
• 1.2.2 協(xié)同過濾研究現(xiàn)狀10-11
• 1.3 本文研究內(nèi)容及組織結(jié)構(gòu)11-13
• 第二章 推薦系統(tǒng)及其相關(guān)理論13-25
• 2.1 推薦系統(tǒng)工作流程13-14
• 2.2 推薦算法分類14-22
• 2.2.1 基于人口統(tǒng)計學(xué)的推薦14-15
• 2.2.2 基于內(nèi)容的推薦15-16
• 2.2.3 基于知識的推薦16
• 2.2.4 協(xié)同過濾推薦算法16-22
• 2.2.5 混合推薦算法22
• 2.3 推薦系統(tǒng)評價標(biāo)準(zhǔn)22-24
• 2.3.1 評分預(yù)測準(zhǔn)確度23
• 2.3.2 使用預(yù)測準(zhǔn)確度23-24
• 2.4 本章小結(jié)24-25
• 第三章 基于圖書類別的協(xié)同過濾算法25-36
• 3.1 中國圖書分類法25
• 3.2 評分?jǐn)?shù)據(jù)稀疏性問題分析25-27
• 3.2.1 評分轉(zhuǎn)化25-26
• 3.2.2 評分歸一化26-27
• 3.3 基于中圖分類號和用戶評分的用戶相似度27-29
• 3.4 聚類算法應(yīng)用29-32
• 3.4.1 聚類算法簡介29-30
• 3.4.2 聚類中的距離計算方法30-31
• 3.4.3 K-means聚類算法31-32
• 3.5 基于用戶聚類的改進(jìn)相似度的協(xié)同過濾算法設(shè)計32-35
• 3.5.1 基于用戶聚類的改進(jìn)相似度的協(xié)同過濾算法思想32
• 3.5.2 算法設(shè)計32-35
• 3.5.3 算法說明35
• 3.6 本章小結(jié)35-36
• 第四章 改進(jìn)后的算法實現(xiàn)及實驗結(jié)果分析36-47
• 4.1 數(shù)據(jù)預(yù)處理36-38
• 4.1.1 數(shù)據(jù)集36-37
• 4.1.2 數(shù)據(jù)拆分37
• 4.1.3 數(shù)據(jù)清理和數(shù)據(jù)準(zhǔn)備37-38
• 4.2 算法設(shè)計與實現(xiàn)38-43
• 4.2.1 算法數(shù)據(jù)庫設(shè)計38-39
• 4.2.2 算法實現(xiàn)39-43
• 4.3 實驗結(jié)果分析43-46
• 4.4 本章小結(jié)46-47
• 第五章 個性化圖書推薦系統(tǒng)設(shè)計與實現(xiàn)47-54
• 5.1 需求分析47
• 5.2 系統(tǒng)分析47-50
• 5.2.1 系統(tǒng)整體設(shè)計47-48
• 5.2.2 系統(tǒng)功能設(shè)計48-49
• 5.2.3 系統(tǒng)數(shù)據(jù)庫設(shè)計49-50
• 5.3 系統(tǒng)實現(xiàn)50-53
• 5.3.1 開發(fā)環(huán)境50-51
• 5.3.2 功能實現(xiàn)51-53
• 5.4 本章小結(jié)53-54
• 第六章 總結(jié)與展望54-55
• 6.1 總結(jié)54
• 6.2 展望54-55
• 參考文獻(xiàn)55-58
• 攻讀碩士學(xué)位期間研究成果58-59
• 致謝59

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊風(fēng)召;;一種基于特征表的協(xié)同過濾算法[J];計算機(jī)工程與應(yīng)用;2007年06期

2 王嵐;翟正軍;;基于時間加權(quán)的協(xié)同過濾算法[J];計算機(jī)應(yīng)用;2007年09期

3 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導(dǎo)購系統(tǒng)[J];武漢大學(xué)學(xué)報(工學(xué)版);2008年02期

4 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計算機(jī)系統(tǒng);2008年08期

5 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學(xué)學(xué)報;2009年04期

6 廖新考;;基于用戶特征和項目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

7 沈磊;周一民;李舟軍;;基于心理學(xué)模型的協(xié)同過濾推薦方法[J];計算機(jī)工程;2010年20期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進(jìn)研究[J];計算機(jī)技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計算機(jī)信息;2011年11期

10 鄭婕;鮑海琴;;基于協(xié)同過濾推薦技術(shù)的個性化網(wǎng)絡(luò)教學(xué)平臺研究[J];科技風(fēng);2012年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 紀(jì)科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

3 于程遠(yuǎn);基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

5 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

6 羅恒;基于協(xié)同過濾視角的受限玻爾茲曼機(jī)研究[D];上海交通大學(xué);2011年

7 薛福亮;電子商務(wù)協(xié)同過濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究[D];天津大學(xué);2012年

8 高e，

本文編號：727614