高校图书馆个性化推荐系统的研究与设计

摘要

随着信息技术与互联网的飞速发展，高校读者仅靠传统的基于检索的服务很难从海量图书中发现真正感兴趣的或对其有价值的图书。应用数据挖掘技术和个性化推荐技术，根据读者自身信息需求的差异，将符合读者需求的图书主动推荐给读者，这种主动服务方式不仅提高了高校图书馆的服务水平，使高校图书馆发展地更加全面、人性化，还可以发掘读者潜在的信息需求，提高馆藏图书的借阅率，将图书资源利用率最大化。 以武汉理工大学的Interlib图书馆集群自动化管理系统中累积的借阅历史为数据基础，在分析各种推荐算法和高校图书馆个性化推荐需求的基础上，设计了一个高校图书馆个性化推荐系统，对系统的整体框架、工作流程进行了详细说明，论文的主要工作如下： 1．基于中图分类法建立了图书特征模型，并基于图书在中图分类树中的共性和个性提出了图书相似度计算的方法；基于图书分类号建立了读者偏好模型Model-1 ，基于标题关键词建立了读者偏好模型Model-2。 2．在SOM与k-means混合聚类的基础上，对k-means聚类阶段的初始质心的选择进行了优化，并以读者模型Model-1为数据进行了实验对比分析。 3．对关联规则和Apriori进行了分析，提出了一种基于矩阵向量和完全连接的改进关联规则算法，并在不同的事务数据库上进行了实验对比分析。 4．对系统框架中的不同推荐策略进行了详细说明。对不同院系的借阅数据，利用改进的关联规则算法挖掘出图书关联规则，将读者借阅历史与关联规则进行匹配产生图书推荐列表；针对读者的借阅偏好特征，以读者偏好模型Model-1为基础进行读者聚类细分，然后结合图书特征模型和读者偏好模型Model-2 ，应用协同过滤推荐算法和基于内容的推荐算法产生图书推荐列表；针对新入馆的图书，以图书特征模型为基础，应用基于内容的推荐算法产生新书推荐列表；针对新读者，采用非个性化的推荐，即读者所在院系借阅排行榜。 5．给出了原型系统，并采用预测准确度和用户满意度两个指标对原型系统的推荐效果进行评估。实验表明，这篇文章中设计的高校图书馆个性化推荐系统具有一定的可行性。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 图书馆个性化推荐的研究现状

1.3 主要研究内容

第2章 高校图书馆个性化推荐系统方案设计

2.1 推荐系统

2.2 MyLibrary

2.3 高校图书馆个性化推荐系统需求分析

2.4 高校图书馆个性化推荐系统框架

2.5 本章小结

第3章 图书特征模型和读者偏好模型

3.1 中国图书馆分类法

3.2 图书特征模型

3.3 读者偏好模型

3.4 读者细分算法分析

3.5 本章小结

第4章 高校图书馆个性化推荐策略

4.1 基于关联规则挖掘的推荐策略

4.2 协同过滤与基于内容的混合推荐策略

4.3 基于内容的新书推荐策略

4.4 新读者的推荐策略

4.5 混合推荐系统

4.6 本章小结

第5章 高校图书馆个性化推荐原型系统的实现

5.1 系统架构

5.2 数据源及数据处理

5.3 系统运行实例

5.4 系统评价

5.5 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

攻读硕士学位期间的研究成果