图书馆图书推荐算法的研究.docVIP

图书馆图书推荐算法的研究 　　摘要：图书馆数字化研究对于提高图书馆的服务质量有着非常重要的意义。本文从图书推荐入手，介绍了协同过滤算法可以分为基于模型的协同过滤算法和基于记忆的协同过滤算法，着重介绍了基于记忆的协同过滤算法中的基于项目的协同过滤算法，阐述了算法的原理和基本步骤，为下一步的应用奠定了基础。 　　关键词：图书推荐 协同过滤 相似度 　　中图分类号： TP391.3 文献标识码：A 文章编号：1007-9416（2016）05-0000-00 　　1 引言 　　数字图书馆逐渐向自动化、智能化、个性化发展。数据资源丰富，属性众多，信息冗杂，但是有效利用率并不高，而且读者接受的服务并不具有针对性。个性化图书推荐可以根据个人图书借阅历史、用户的浏览痕迹和用户的资料，找出学生或者老师可能感兴趣的图书，由此向学生或者老师推荐相关的图书，图书推荐的方式有很多方法，例如基于内容的推荐、基于关联规则的推荐和基于协同过滤的推荐等。 　　协同过滤是分析用户兴趣，并找出与当前用户有共同喜好的用户，然后根据相似用户对某一项目的喜好度，预测当前用户是否喜欢此项目，由此作出推荐。算法的推荐原理非常的简单。用户的信息与项目在预测部分要事先预处理下，然后输出推荐的结果。 　　2 协同过滤算法的分类 　　根据Breese等学者的研究，可将协同过滤算法分为两大类：基于模型的协同过滤算