基于用户画像与关联规则的图书馆资源组合推荐算法

摘要

图书馆资源推荐算法难以与用户的偏好相结合,导致其推荐精度较差。为提高推荐结果的准确性,基于用户画像与关联规则设计图书馆资源组合推荐算法。通过用户画像算法得到图书资源兴趣估计,在特征样本集合的基础上,计算主题权重的标准值,建立用户情景兴趣度表达式。基于关联规则建立图书馆资源聚合模型,计算文档内相同词汇出现的频率,计算不同书籍的相似度,并在书籍指标权重的基础上,得到关联规则下图书馆资源的聚合函数,以此设计资源组合推荐算法。实验结果表明,其最高精确率、召回率、F1值分别为0.92、0.73和0.69,该推荐算法的推荐精度较高。