基于數據挖掘的數字圖書館個性化推薦算法研究.pdf

1、互聯網使得目前數字圖書館中的信息資源更加豐富，但隨著信息量的膨脹，出現了“信息過載”和“信息迷向”現象。為了更好的為用戶提供符合其偏好特征的信息，個性化推薦技術成為數字圖書館領域重要的研究內容，并得到研究者越來越多的關注。其中協同過濾技術和基于關聯規(guī)則的推薦技術也是個性化推薦領域研究的重點，本文針對以上兩個問題展開了研究。 1.在協同過濾推薦技術方面，分析了目前存在的問題，指出隨著數字圖書館系統用戶數目和圖書資源數目的日益增加及

2、用戶專業(yè)背景的差異，而導致的評分矩陣在整個項目空間上極端稀疏，使得推薦結果與用戶的興趣偏差較大。針對該問題，在傳統協同過濾提出了一種基于聚類技術的推薦算法，該算法將SOM和K-means技術相結合對圖書資源進行聚類，從而縮小了近鄰搜索的范圍和需要預測的圖書資源數目，很好地解決了矩陣稀疏性問題，提高了推薦的準確度。 2.為了增加館藏的借閱率，本文采用關聯規(guī)則分析來進行借閱模式挖掘從而獲得圖書館用戶的興趣愛好，分析出不同類讀者所借書