基于SOM聚类个性化图书研究.docVIP

基于SOM聚类个性化图书研究 　　 [摘 要]个性化推荐是图书馆个性化信息服务的主要方式之一。本文在传统推荐算法的基础上，提出了一种基于SOM聚类的个性化图书推荐方法，该方法结合中国图书馆分类法对读者的借阅信息进行分析，并利用SOM网络对借阅文档进行聚类。利用个性化推荐技术来调整图书馆的信息服务模式，推送最贴近读者需求的信息给读者，从而提高图书馆馆藏资源的利用率和图书馆的服务质量。 　　[关键词]SOM聚类；个性化推荐；推荐服务 　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０１１．０５．０３２ 　　〔中图分类号〕ＴＰ１８３；Ｇ２５０.２ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１（２０１１）０５－０１４６－０３ 　　Research on Personalized Books Recommendation Based on SOM ClusteringJiang Ruoshan 　　（Library，Xianning College，Xianning 437100，China） 　　 　　〔Ａｂｓｔｒａｃｔ〕The personalized recommendation is one of fundamental modes in library personalization information services.On the base of traditional recommendation algorithm,this article proposed one kind personalized books recommendation method based on the SOM clustering.This method analysed reader??s borrowing information combining with Chinese Library Classification,and cluster the borrowing documents using the SOM network.Adjusted the information service patterns of the library using the personalized recommendation technology,and pushed the most close information to the reader,thus enhanced the utilizing rate of the library collection resources and library??s service quality. 　　〔Ｋｅｙｗｏｒｄｓ〕SOM clustering;personalized recommendation;recommendation services 　　 　　近年来，个性化信息推荐服务得到迅速发展，改变了人们获取信息的途径和学习方法。高校图书馆作为学校的信息中心，利用个性化推荐技术来调整图书馆的信息服务模式，推送最贴近读者需求的信息给读者，从而提高图书馆馆藏资源的利用率和图书馆的服务质量。 　　所谓个性化推荐是指根据用户的兴趣特点，向用户推荐其感兴趣的信息，其原理是根据用户模型寻找与其匹配的信息，或者寻找具有相近兴趣的用户群，而后相互推荐浏览过的信息??［１］。目前个性化推荐技术已被应用在很多领域，如电子商务、Web信息及图书资料等，其中应用较成熟的是基于协作过滤的推荐技术，但在其应用的过程中存在很多问题，如随着系统规模扩大，用户和资源的数量急剧增长，系统的性能会越来越低［２］。 　　本文结合图书资源的特征引入了SOM聚类技术，对传统的协作过滤算法进行改进，不仅缩小邻居用户的搜索范围，而且提高了算法的推荐精度，从而为读者提供更符合其偏好的图书信息。 　　１ SOM神经网络简介 　　自组织映射(Sdf-Organizing Map，简称SOM)是芬兰学者Kohonen于1981年提出的一种对神经网络的数值模拟方法，它能模拟大脑神经系统的自组织特征映射功能，是一种无监督竞争式学习的前馈网络，在训练中能无监督自组织学习。 　　SOM网络可以将任意维度的输入向量，投射至一维的或二维的特征映射图中，如图１，其拓扑结构由两层节点构成：输入层和输出层。上层为输出层，输出层中的节点是以二维形式排成的一个节点矩阵，它们中的每个节点是一个输入向量的代表。输入层处于下方，若输入节点为一个，则输入向量为??n??维，输入层节点与输出层中的所有节点通过权值实现全互联［３］。由于SOM网络的投影方式是非线性的，能将其输入向量的邻近关系用二维的方式或一维的方