基于加权贝叶斯的数字图书资源个性化推荐方法研究

摘要

传统图书资源推荐方法的推荐准确率较低,难以实现精细化和个性化推荐。因此,提出基于加权贝叶斯的数字图书资源个性化推荐方法。首先,采集数字图书信息后,利用贝叶斯分类器对个性化图书实施分类处理。其次,设置情景化偏好模块,并计算情景下读者的相似度。最后,根据相似度计算结果,利用加权贝叶斯算法为读者推荐书籍。实验结果表明,与传统方法相比,该方法的推荐准确度高且稳定性强。