面向图书馆大数据知识服务多情境兴趣方法.docVIP

面向图书馆大数据知识服务多情境兴趣方法 　　〔摘 要〕大数据环境下，推荐系统项目评分的稀疏性问题愈加突出，单兴趣表示方法也难以对用户多种情境兴趣进行准确描述，导致推荐结果精度大大降低。鉴于此，提出一种多情境兴趣表示方法，在此基础上构建面向图书馆大数据知识服务的多情境兴趣推荐模型，通过对用户多情境兴趣的层次划分，利用蚁群层次挖掘的优势来发现目标用户的若干最近邻类簇，然后根据类簇内相似用户对目标项目的评分对未评分项目进行预测，最后结合MapReduce化的大数据并行处理方法来进行协同过滤推荐。实验结果表明，多情境兴趣的建模方法改善了单兴趣建模存在的歧义推荐问题，有效缓解了大数据环境下项目评分的数据稀疏问题，MapReduce化的蚁群层次聚类方法也大大改善了推荐系统的运行效率。 　　〔关键词〕大数据知识服务；多情境兴趣；蚁群层次聚类；协同过滤推荐 　　DOI：10.3969/j.issn.1008-0821.2018.06.009 　　〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2018）06-0062-06 　　〔Abstract〕Under the big data environment，the sparsity problem of recommendation system project becomes more and more s