论文一种面向高校图书馆个性化图书推荐系统是关于高校图书馆方面的的相关大学硕士和相关本科毕业论文以及相关中国大学图书馆排名100论文开题报告范文和职称论文写作参考文献资料下载。
〔摘 要〕个性化图书推荐主要是以用户特征和借阅行为为挖掘对象,通过获取用户的兴趣特征及隐含的需求模式,实现用户和图书相互关联的个性化图书推荐服务.本文通过挖掘用户的背景信息构建用户特征模型,然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上,研究多种不同的图书推荐方法,以挖掘用户的潜在信息需求.最后利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统,同时以标准网络数据集通过实验验证来评估推荐方法的有效性.
〔关键词〕高校图书馆；推荐系统；个性化需求；图书推荐
DOI：10.3969/j.issn.1008-0821.2015.12.007
〔中图分类号〕G25262〔文献标识码〕B〔文章编号〕1008-0821（2015）12-0041-06
随着网络技术和社交媒体的发展和普及,人们逐渐从信息匮乏的状态陷入了信息过载的困境.在这个信息爆炸的环境中,图书馆的信息消费者和信息生产者都在不同程度上出现了新的挑战：对于用户而言,如何从大量的馆藏资源中找到适合自己的图书资源是一件非常困难的事情；而对于图书馆从业人员以及电子资源的信息生产者而言,如何让其所拥有的资源找到合适的用户也是一件亟待解决问题.个性化推荐系统就是解决上述两种问题的重要工具.个性化图书推荐系统的最重要任务就是将用户兴趣和图书信息关联起来,一方面帮助用户发现对自己有价值的图书资源；另一方面让图书资源最大程度地展现在有需求或有潜在需求的用户面前,从而使用户和图书馆达到双赢的状态[1].
目前流行的推荐系统大致是以3种方式实现用户和图书的关联.第一种方式是分析用户的借阅历史,为用户推荐和其借阅记录中相类似的图书.第二种方式是挖掘用户的借阅行为,通过建立兴趣模型为用户推荐具有相似借阅行为用户的借阅信息；第三种是关联用户和图书的特征信息,通过发现用户和图书之间的有趣关联特征或模式并生成关联规则,从而为用户推荐其可能感兴趣的图书.从技术层面来看,学者们针对3种关联方式提出了一些个性化的推荐技术,包括基于内容的个性化推荐、基于用户的个性化推荐、基于关联规则的个性化推荐以及混合推荐等[2-4].虽然目前已经有多种推荐方法被应用到各个领域,但是不同的推荐技术有着不同的特性和不足：（1）基于内容和用户的推荐方法主要依靠目标特征的关系亲密度（兴趣度）来进行衡量目标之间的相似度.两种方法的推荐效果比较显著,但是容易受到稀疏问题和冷启动问题的影响[5]；（2）基于关联规则的个性化推荐方法的核心是发现并建立内容和用户之间实际或潜在的关联规则[6].该方法也会受到稀疏性问题和冷启动问题的影响,而且还需要消耗大量的建模时间,所以算法的复杂性比较高.
随着办学规模的扩大和办学水平的提高,国家对高校的支持力度越来越大,尤其重视高校学子的人均资源拥有量,所以使得当前高校的馆藏资源十分丰富,从而导致图书馆的部分图书的借阅量偏低,甚至出现零借阅现象.由于高校图书馆的服务对象主要是高校教职工和学生,其基本信息相对简单、容易获取且比较准确,所以高校的图书推荐和电子商务领域的个性化推荐有所不同.个性化图书推荐是以图书和用户的特征及行为为挖掘对象,通过分析用户对图书的喜好程度、用户之间的兴趣相似度、图书内容之间的相似的度以及用户的喜好标签等信息,研究并设计适合高校图书馆的个性化图书推荐系统.
2推荐方法评估
由于当前图书馆的数据基本上没有被规范处理过,也没有被评测过,所以不能利用标准的数据集来评估推荐方法的效果.为了方便测试,采用来自互联网上的MovieLens数据集和CiteULike数据集对推荐方法进行测试和评估.
MovieLens是GroupLens项目组开发的一个基于Web的研究型推荐系统,用于接收用户对电影的评分并提供相应的电影推荐列表.该数据集中包含了943个用户对1 682部电影的100 000条评分数据,其中每个用户至少对20部电影进行了评分.
CiteULike数据集包含了网站从2004年11月-2010年3月所有的用户操作数据,每条数据都包括文章号、用户名（MD5值）、时间、时用的标签等4个字段（如表1所示）.若用户在标注一篇文章时使用了多个标签,则这些标签分别存入多条数据中,如表1中的前3行.
表2和表3分别给出了基于用户的协同过滤推荐方法和基于物品的协同过滤推荐方法测试结果.在两个表中,N和M分别为每个用户选出相似用户的数量和为每本图书推荐的图书数量.从表2可以看出,N值只和流行度指标成正相关.当N取80时,基于用户的协同过滤推荐方法达到较为理想的效果.从表3的结果可以看出,M值和准确度、召回率、流行度既不成正相关,也不成负相关,但是和覆盖率成负相关.当M取10时,基于内容的协同推荐方法的各项指标达到最佳.
从表4给出的基于标签的推荐方法测试结果可以看出,该方法也可以得到较好的效果.表4基于标签的推荐方法测试结果
准确率（%）召回率（%）覆盖率（%）流行度1716133369892963实验和系统设计
31数据来源
以广东某高校图书馆所提供的2010年4月至5月的39 544条借阅记录（读者ID,ISBN、借阅时间、实际归还时间等）以及437 623本图书的信息（书名、作者、出版社、出版年、ISBN、单价、索书号等）作为实验数据.经初步统计发现,实验数据中有借阅行为的用户有1 978人,详细的用户借阅情况及图书被借阅情况分别如图1和图2所示.图1读者借阅书籍情况
图2图书被借阅情况
由图1和图2所示,该图书馆中借阅频次较高的图书数量呈递减趋势,而且有大部分图书没有被借阅过.
32数据预处理
由于原始数据中有许多脏数据,不方便用户理解和建模.为了增强数据的可理解性和降低系统的时间开销,有必要对实验数据进行清理和预处理使其能够满足推荐方法的数据要求,并提高其效率和性能.由于基于用户和内容的协同过滤推荐方法以及基于用户背景信息的推荐方法都是重点分析用户和图书的基本特征和行为特征,而基于标注的推荐算法则重点挖掘图书的内容信息、书评信息、购买信息以及标签记录等.为此,我们手动编写爬虫算法从豆瓣读书网上全自动抓取了实验数据中20 574本图书的内容信息、20 055条书评信息、57 643条图书购买信息及89 632条图书标签记录.
总结:这篇高校图书馆论文范文为免费优秀学术论文范文,可用于相关写作参考。
参考文献：
1、 基于大数据图书馆个性化图书荐购策略 摘 要：大数据为图书荐购带来了很多创新性的策略：基于采访大数据，图书馆可以对图书资讯、网上评论等进行图书荐购的权重分析；基于用户大数据，图书馆可。
2、 高校图书馆批量图书采选刍论 摘要：文章论述了图书采选工作的重要性，讨论了高校图书馆图书批量集中采购常用的订单订购、书目采选、现场采选3种方式，并分析各采选方式的优缺点，从按。
3、 高校图书馆艺术类图书人为损毁原因治理 关键词：高校图书馆;艺术类图书;人为损毁摘要：文章在作者工作实践的基础上，分析了造成艺术类图书人为损毁现象的不同类型和产生原因，并提出了若干切。
4、 高校图书馆中文图书采编工作问题和 摘 要：目前，采编工作作为实现高校图书馆资源合理配置的基础业务工作，主要是技术性和事务性的融合。其工作内容十分繁琐，对采编工作的效率造成了一定的。
5、 基于协同过滤的图书推荐系统构建 摘要：在当今社会环境下，图书的种类和数量急速增加，读者想要准确、快速地找到自己感兴趣的图书越来越困难。随着信息技术的快速发展，高校图书馆开始借助。
6、 高校图书馆图书政府采购存在问题 【摘要】本文首先阐述了高校图书馆政府采购的现实意义，然后侧重于分析目前我国高校图书馆政府采购存在的一些基本问题，在对这些基本问题进行研究的基础上。