共查询到15条相似文献，搜索用时 578 毫秒
1.
随着高校图书馆大数据时代的到来,读者有时很难找到自己喜欢的图书,会造成图书资源的浪费。针对这种情况,本文研究了基于用户分类的协同过滤算法在高校图书推荐中的应用,其中涉及读者分类、用户-项目评分矩阵的建立、向量空间模型的构建以及用户间相似度的计算,并考虑了高校图书和读者的特点,对用户-项目评分矩阵进行了改进,缓解了数据稀疏问题。研究结果表明,基于用户分类的协同过滤算法比传统的协同过滤算法计算复杂度低,在一定程度上优于传统的协同过滤算法。 相似文献
2.
一种改进的Item-based协同过滤推荐算法 总被引：2，自引：0，他引：2
分析了协同过滤推荐系统中存在的用户多兴趣和项目多内容问题,提出了一种基于项的协同过滤改进算法,算法综合考虑了项目自身属性和用户评价的影响。试验表明该算法有效的解决了用户的多兴趣和项目的多内容问题,并且在用户评分数据比较稀疏的情况下也能有较好的推荐精度。 相似文献
3.
4.
随着信息技术和互联网的发展,在信息过载的时代,用户面对海量的信息,难以正确选择。协同过滤推荐是个性化推荐中比较成熟的算法,但其稀疏性、冷启动、可扩展性问题仍然存在,尤其是不能应用于分布式推荐。在Hadoop平台上,Mahout实现了分布式基于项目的协同过滤推荐算法,该算法能够有效解决传统算法的海量数据处理的效率问题和可扩展性问题。实验结果表明,Mahout上基于项目的协同过滤推荐算法具有较好的计算高效性和可扩展性。 相似文献
5.
6.
协同过滤推荐技术是当前最成功的个性化推荐技术,并且已经广泛应用于个性化推荐系统中。考虑到用户的推荐时间、推荐人数都是影响推荐准确度的重要因素,提出了一种基于蚁群算法的动态协同过滤推荐方法。当系统产生推荐项时,该算法不仅考虑每项的评分,而且考虑每项上信息素强度。实验结果表明,该算法可以显著提高传统过滤推荐系统的推荐质量。 相似文献
7.
针对高校用户对图书的个性化需求,运用用户对图书的评分,构建了基于Hadoop和Mahout的图书推荐系统。通过Hadoop中分布式文件系统(HDFS)和Map/Reduce计算模型的应用,发现当Hadoop中节点数不断增加时,计算时间不断减少,实时响应效率得到了提高;通过对Mahout中传统的Item-Based聚类协同过滤推荐算法进行改进,利用MAE值对传统和改进后的协同过滤算法进行比较,发现图书推荐的精度进一步提高。总体来说,推荐系统改善了传统单机运行内存严重不足和推荐结果不精确的问题。 相似文献
8.
杨蓉蓉 《农业图书情报学刊》2018,30(12):78-82
智慧时代用户对于信息需求呈现出了全新特征,目前高校图书馆所采用的服务模式无法满足用户实际需求,在此,设计高校图书馆创新服务模式,应用基于协同过滤的推荐算法,建立了图书推荐服务系统,确保高校图书馆提供信息服务由被动转变为主动,不仅有效的减小了读者获取图书信息时间成本,也确保高校图书馆和用户之间拥有更强交互性,进一步提升高校图书馆的图书流通数量。 相似文献
9.
王圣镔 《农业图书情报学刊》2019,(5):50-60
[目的/意义]针对阻碍高校智慧图书馆对新读者进行图书个性化推荐的用户冷启动问题,提出一种面向新读者的高校图书馆个性化推荐方法,为智慧型高校图书馆开展图书个性化推荐服务、提高新读者借阅率提供切实可行的方案。[方法/过程]以北华大学图书馆借阅流通大数据进行数据挖掘,得出属性相似的新读者和已有读者具有相似借阅偏好的结论。然后,通过奇异值分解解决数据稀疏问题,采用基于欧氏距离的蚁群算法对新读者与已有读者聚类,搭建了新读者和已有读者之间关系的桥梁。最后将已有读者借阅的图书采取Top-N算法对新读者推荐。[结果/结论]以2017级读者为实验对象,选取了3个学院的44名读者,用所提出的算法进行了实验检验。实验结果表明新算法推荐效果显著,操作简单可行,为后续个性化推荐工作奠定了基础。 相似文献
10.
协同过滤推荐算法是当前被广泛关注的推荐算法之一,算法中基于Resnick公式的评分模块只考虑了用户的浏览行为,忽略了用户间的评分影响,而且在数据稀疏的情况下不能较好的发挥评分预测的作用。针对这一不足,提出了一类BP神经网络优化评分预测的协同过滤推荐算法。其中,BP神经网络优化评分预测模块首先将相似用户的评分频数作为输入数据,并将目标用户正确评分作为输出数据进行神经网络训练,然后使用训练完的神经网络对用户评分进行预测。应用该模块分别替换皮尔逊推荐、模糊混合用户推荐和改进后的Top-N推荐代表性算法中的Resnick公式,对应给出了3种BP神经网络优化评分预测的协同过滤推荐算法。Movie-Lens数据集上的试验结果表明,该类协同过滤推荐算法在个性评分预测、特别是在稀疏数据评分预测方面有较强的竞争力。 相似文献
11.
作为缓解信息过载问题的主要手段,个性化推荐技术已经得到广泛的应用。随着农产品电子商务技术的发展,如何将最新的个性化推荐技术应用到农产品的推荐,促进农产品电子商务的发展,是一个非常重要的问题。本文在对电子商务推荐系统原理分析基础上,重点深入探讨了当前应用最为广泛的协同过滤推荐技术。在此基础上,针对农产品的特点,设计并实现了一个基于用户的农产品电子商务协同过滤推荐系统。为提高用户评分的积极性,系统采用一定的激励评分机制,以缓解数据稀疏性问题。系统界面简洁,操作简单,实现了对农产品的有效推荐。 相似文献
12.
13.
李生亚 《农业图书情报学刊》2017,29(11):98-101
读者驱动采购模式（PDA）对图书馆传统采购模式是颠覆性的。中国高校图书馆借用PDA模式的理念,建立读者荐购平台,但在实际应用中存在诸多问题。文章分析了影响荐购系统效率的几个因素,提出理想荐购系统应该从书目数据库、信息跟踪反馈、荐购方式、评估以及修正及建立详细的荐购读者权限分类管理数据库等方面进行完善,更利于服务读者。 相似文献
14.
为了在海量信息中为用户提供有价值的信息,个性化在线推荐系统是农业信息化综合服务平台的重要组成部分。Slope One算法因简单高效被许多在线推荐系统使用。对Slope One算法进行研究,并结合农业信息化综合服务平台的特点,提出了农业信息推荐模型。该模型按资源类别把用户评分矩阵划分为评分子矩阵,在此基础上采用杰卡德统一算子距离相似度算法建立用户类别近邻用户,采用改进的双极Slope One算法和Item user average算法相结合的方式对未访问资源进行评分预测,有效降低计算量,并提高了评分预测精度,既适合稠密数据集,又适合稀疏数据集。 相似文献
15.
数字资源的有效推介,一直困扰着很多高校图书馆,新的体验经济为这一难题开拓了以"参与、互动"为主要方向的探索发展空间。通过具体分析数字资源推介过程中读者参与性、互动性较差的影响因素,并在体验经济环境下探索新的解决途径和模式,提出通过设定主题、设定舞台、制造情景,让读者真正的参与认识、检索、利用、推介,从而进一步达到互动的效果。 相似文献