免费论文查重: 大雅 万方 维普 turnitin paperpass

试述分类法高校数字图书馆个性化服务模型与设计

最后更新时间:2024-01-19 作者:用户投稿原创标记本站原创 点赞:32381 浏览:146251
论文导读:.1数字图书馆个性化服务18-202.1.1数字图书馆个性化服务的主要方式18-192.1.2个性化服务系统系统结构19-202.2用户模型20-242.2.1个性化服务的基础与核心202.2.2用户兴趣的收集20-212.2.3用户模型的表示21-232.2.4用户模型的学习更新23-242.3推荐机制24-272.

3.1基于数据挖掘的推荐技术24-252.2基于内容过滤的推

摘要:数字图书馆中包含了海量信息,在如此庞大的资源中容易陷入“信息迷航”。为解决“信息迷航”不足,个性化服务应运而生,但目前数字图书馆的个性化服务大部分不能满足用户多样化和个性化的需求,缺乏主动推送式的个性化服务。如何根据用户个人的兴趣,将用户真正感兴趣的信息主动提供给他,使之能真正做到“各得所需”,才是个性化服务系统的核心。通过对国内外个性化服务关键技术的探讨,重点浅析了主流协同过滤技术的原理、特点和策略之后,得出在数字图书馆领域,协同过滤机制虽能优化个性化服务。但随着数字图书馆运用越来越广泛,用户数目和数量都急剧增加,用户评分数据稀疏的不足愈加显著,难以判定合乎规范的相似用户群,因而协同过滤的质量急剧下降。针对传统协同过滤算法不适合描述用户兴趣完整性的缺陷,提出了基于数字图书馆的用户建模策略,把对用户兴趣的分类转化为对中图项目的选择,并引入中图项目兴趣权重和时间阈值的概念来探讨用户在不同中图兴趣类别中随时间体现出来的兴趣差别和变化,实现了对用户兴趣偏好的定量衡量。此外,提出了一种基于中图分类和聚类的协同过滤推荐改善算法。在基于用户背景特点初步聚类的基础上,采取基于若干中图分类项目-用户分类矩阵概念,来分别计算相似用户群。以而来缩小了近邻的范围,降低时间复杂性且两个用户之间可能因为“局部点”相似而成为某一中图分类兴趣上的近邻以而产生有用的推荐。针对提出的改善算法选取了图书馆中的相应数据进行实验,实验表明,改善后的算法比传统协同过滤算法在推荐准确度上有显著提升。关键词:个性化服务论文协同过滤论文中国图书馆分类法论文用户兴趣完整性论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
ABSTRACT6-10
插图索引10-11
附表索引11-12
第1章 绪论12-18

1.1 探讨的作用及背景12-13

1.1 探讨背景12

1.2 探讨作用12-13

1.2 探讨近况13-16

1.2.1 国外近况13-14

1.2.2 国内近况14-16

1.3 本论文的主要工作16

1.4 论文结构16-18

第2章 个性化服务方式及其核心技术浅析18-28

2.1 数字图书馆个性化服务18-20

2.

1.1 数字图书馆个性化服务的主要方式18-19

2.

1.2 个性化服务系统系统结构19-20

2.2 用户模型20-24

2.1 个性化服务的基础与核心20

2.2 用户兴趣的收集20-21

2.3 用户模型的表示21-23

2.4 用户模型的学习更新23-24

2.3 推荐机制24-27

2.3.1 基于数据挖掘的推荐技术24-25

2.3.2 基于内容过滤的推荐技术25

2.3.3 基于协同过滤的推荐技术25-27

2.4 本章小结27-28

第3章 基于协同过滤的个性化推荐技术28-40

3.1 主流协同过滤推荐技术介绍28-34

3.

1.1 基于用户的协同推荐算法28-30

3.

1.2 基于项目的协同推荐算法30-32

3.

1.3 基于用户聚类的协同推荐算法32-33

3.

1.4 基于项目聚类的协同推荐算法33-34

3.2 协同推荐算法在运用中面对的主要挑战34-35

3.3 基于中图分类和聚类的协同过滤改善对策35-39

3.1 本论文提出的思想35

3.2 本论文提出的改善对策35-39

3.4 本章小结39-40

第4章 协同过滤改善算法的实验及结果浅析40-48

4.1 数据集40-43

4.

1.1 数据源的选取40-42

5.

1.2 数据源的预处理42-43

4.2 实验设计43-45 4.

2.1 实验环境43-44

4.

2.2 实验评估标准44

4.

2.3 实验案例44-45

4.3 实验浅析45-47

4.4 本章小结47-48

第5章 基于改善算法的个性化服务系统的设计48-59

5.1 个性化服务系统的系统结构48

5.2 主要数据库的设计48-50

5.3 基于改善算法的个性化推荐协同过滤流程设计50-52

5.4 用户兴趣模型的建立与更新52-53

5.5 相似用户群的生成53-56

5.1 基于用户背景信息的初步聚类53-55

5.2 基于中图分类相似用户群的生成55-56

5.6 推荐集生成56-57

5.7论文导读:运用结果浅析57-585.8本章小结58-59结论59-61参考文献61-64致谢64-65附录A攻读学位期间所发表的学术论文目录65上一页12
运用结果浅析57-58

5.8 本章小结58-59

结论59-61
参考文献61-64
致谢64-65
附录 A 攻读学位期间所发表的学术论文目录65