基于高校圖書館信息推薦系統(tǒng)的設計與實現(xiàn).pdf

1、傳統(tǒng)的高校圖書館只能單方面地為讀者提供書籍的信息,內容單調且枯燥,信息之間的關聯(lián)。本文提出的圖書館數(shù)字化信息系統(tǒng)將書籍評分功能以及讀者留言功能一并整合到圖書館系統(tǒng)中。
　　大部分的電子商務網站,比如ebay.com以及易迅網等,都擁有他們專有的推薦系統(tǒng)。很多實體公司也把推薦功能整合到了官方網站中。一些主要的推薦方式包括有根據(jù)用戶自己定制的信息來進行推薦;或者根據(jù)購物或瀏覽歷史來進行推薦。本文所提出的系統(tǒng)將根據(jù)讀者的借閱以及評論、評

2、分歷史,借助成熟的推薦算法為用戶推薦書籍,深度地對高校圖書館信息系統(tǒng)進行社交化改造。除上述的優(yōu)點之外,社交化的圖書館信息系統(tǒng)還能為圖書館的圖書采購人員提供指導意見。
　　標準建模語言的名稱來源于英語詞組Unified Modeling Language(UML),1997年的一個OMG標準是推動UML出現(xiàn)的主要原因。UML是一個幫助軟件開發(fā)的標準的建模語言,它具有支持圖形化以及模型化的特點。從需求分析到最終進行系統(tǒng)配置的整個開發(fā)生

3、命周期中,它都能提供一致的、標準的可視化的模型。其中,本文借助UML對B2C網站的所涉及的類與圖形進行了介紹。本文將介紹UML對圖書館信息系統(tǒng)中所涉及的類與圖形。
　　另外,本文借助ASP.NET框架,對總結出的關鍵部分進行實現(xiàn)。數(shù)據(jù)庫采用SQL Server2005。本文將整個業(yè)務應用劃分為三層架構:表現(xiàn)層(UI)、業(yè)務邏輯層(BLL)以及數(shù)據(jù)訪問層(DAL)。本文將通過對三層架構的實現(xiàn)來滿足―高內聚,低耦合‖的基本思想。

4、>　　廣泛運用于權威商務網站的幾種推薦算法有基于內容的推薦方法、基于內存的協(xié)同過濾推薦方法、基于模型的協(xié)同過濾推薦方法以及基于復雜網絡中二分網絡的推薦方法。本文采用基于內存的協(xié)同過濾中的基于項目的協(xié)同過濾以及基于用戶的協(xié)同過濾完成推薦模塊的設計。
　　軟件的測試是開發(fā)過程中不可或缺的一部分。在軟件開發(fā)過程中,軟件測試的開始越早越好。軟件測試也是需求確定過程中的的一個部分。最后,通過對本應用平臺的功能需求、非功能需求以及推薦模塊的測