

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著學(xué)校圖書(shū)數(shù)量的增加,如何從海量圖書(shū)中推薦讀者感興趣的圖書(shū)成為了一個(gè)亟須解決的問(wèn)題。圖書(shū)推薦的目標(biāo)是主動(dòng)挖掘讀者與圖書(shū)的關(guān)聯(lián)信息并為讀者提供準(zhǔn)確的推薦服務(wù)。對(duì)圖書(shū)推薦的深入研究有利于讀者快速找到自己所需的圖書(shū),也將對(duì)校園信息化等應(yīng)用領(lǐng)域產(chǎn)生深遠(yuǎn)的影響。因此研究圖書(shū)推薦算法并構(gòu)建一個(gè)具有精確性和個(gè)性化的圖書(shū)推薦系統(tǒng)具有十分重要的理論意義和應(yīng)用價(jià)值。
本文重點(diǎn)研究了基于隱語(yǔ)義的協(xié)作過(guò)濾圖書(shū)推薦方法與基于聚類(lèi)專(zhuān)家選擇的協(xié)同過(guò)濾圖書(shū)
2、推薦算法。針對(duì)協(xié)同過(guò)濾算法難以處理高維度以及稀疏數(shù)據(jù)等問(wèn)題,提出了相應(yīng)的解決方案,該方案考慮了用戶(hù)在預(yù)覽圖書(shū)時(shí)的時(shí)間以及用戶(hù)與用戶(hù)之間的相似度,提高了算法的推薦精度。
論文的主要工作有以下幾個(gè)方面:
(1)針對(duì)協(xié)同過(guò)濾算法難以處理高維度以及稀疏數(shù)據(jù)等問(wèn)題,提出了一種基于隱含語(yǔ)義分析的協(xié)同過(guò)濾圖書(shū)推薦算法,該算法融合了用戶(hù)的顯性反饋與隱性反饋信息,考慮了用戶(hù)在預(yù)覽圖書(shū)時(shí)的時(shí)間以及用戶(hù)與用戶(hù)之間的相似度,提高了算法的精度
3、,運(yùn)用統(tǒng)計(jì)方法來(lái)發(fā)現(xiàn)用戶(hù)在圖書(shū)使用過(guò)程中潛在的語(yǔ)義結(jié)構(gòu),分析用戶(hù)對(duì)圖書(shū)的興趣度,幫助用戶(hù)快速發(fā)現(xiàn)感興趣的圖書(shū),提升了用戶(hù)體驗(yàn)。
(2)隨著用戶(hù)數(shù)與圖書(shū)館圖書(shū)數(shù)量的增加以及圖書(shū)館圖書(shū)推薦系統(tǒng)規(guī)模的擴(kuò)大,圖書(shū)推薦算法面臨著擴(kuò)展性問(wèn)題。為此,提出了一種基于聚類(lèi)專(zhuān)家選擇的協(xié)同過(guò)濾算法(Experts Recommend the Book Selection based on Clustering,ERSC),該算法對(duì)專(zhuān)家進(jìn)行了重定義,
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于協(xié)同過(guò)濾的圖書(shū)推薦算法研究
- 基于用戶(hù)協(xié)同過(guò)濾推薦算法的研究.pdf
- 基于協(xié)同過(guò)濾技術(shù)的推薦算法研究.pdf
- 基于協(xié)同過(guò)濾技術(shù)的推薦算法研究
- 基于SVD的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于協(xié)同過(guò)濾的器件推薦算法研究.pdf
- 協(xié)同過(guò)濾推薦算法研究.pdf
- 基于MapReduce的協(xié)同過(guò)濾推薦算法研究.pdf
- 協(xié)同過(guò)濾推薦算法改進(jìn)研究.pdf
- 協(xié)同過(guò)濾算法在圖書(shū)推薦系統(tǒng)中的應(yīng)用.pdf
- 新型協(xié)同過(guò)濾推薦算法研究.pdf
- 基于雙邊匹配的協(xié)同過(guò)濾推薦算法.pdf
- 基于用戶(hù)興趣的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于大數(shù)據(jù)的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶(hù)行為協(xié)同過(guò)濾推薦算法.pdf
- 基于矩陣分解的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于遷移學(xué)習(xí)的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于時(shí)間權(quán)重的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于Hadoop平臺(tái)的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于評(píng)論挖掘的協(xié)同過(guò)濾推薦算法研究.pdf
評(píng)論
0/150
提交評(píng)論