基于协同过滤算法在图书馆学的应用.docx

2
基于协同过滤算法在图书馆学的应用
一、协同过滤算法的定义
　　协同过滤技术的基本思想是：利用一些爱好爱好相像、拥有相同阅历群体的偏好给目标用户推举可能感爱好的项目。协同过滤算法的实现大致分为构建用户，形成项目矩阵，查找最近2
基于协同过滤算法在图书馆学的应用
一、协同过滤算法的定义
　　协同过滤技术的基本思想是：利用一些爱好爱好相像、拥有相同阅历群体的偏好给目标用户推举可能感爱好的项目。协同过滤算法的实现大致分为构建用户，形成项目矩阵，查找最近邻居，产生最相像推举数据三个步骤。目前主要有两类协同过滤推举算法：基于用户的协同过滤推举算法和基于项目的协同过滤推举算法。基于用户的协同过滤推举算法是依据目标用户的最相像的若干用户对某个项目的评分，从中找到与目标用户最相像的用户，参考其对目标项目的评分，从而准备是否推举给目标用户；基于项目的协同过滤推举算法其总体思路就是依据用户的评价数据，为每个物品计算出与其评价最为相近的其他项目。然后，当我们想要为目标用户供应推举的时候，就可以查看他曾经评分过的项目，并从中选出排位靠前的项目，再依据相关加权函数构建出一个加权列表，其中包含了与这些选中项目最为相近的其他项目。得到项目之间的相像性后，可以将与用户评价过的相像度较高的项目推举给目标用户。
　　二、协同过滤算法的应用
　　随着图书馆馆藏图书资源的增多，以及计算机和网络技术的高速进展，各高校都建立起自己的图书借阅管理系统，利用积累的图书借阅历史资料，对符合同学爱好并且适合共性进展的图书进行推举，从而提高图书的利用率，削减同学查找资料的时间，提高学****效率。
　　图书馆的推举系统通过将同学读者的爱好、借阅图书等信息与图书中的属性进行匹配，选择基于物品的协同过滤推举算法，为同学供应相应的推举图书。
3
　　首先构建同学信息数据库、图书信息数据库、借阅图书记录；然后，建立同学-图书评分矩阵；其次，推断用户是否有借阅记录，然后在依据不同的协同过滤推举算法对同学进行图书的推举。具体如下：
　　（一）依据数据库中的同学信息表（同学的基本信息以及宠爱的书籍类型等）及借阅信息，构建属于同学读者的特征向量，即同学读者模型；
　　（二）结合由（一）得到的同学读者模型和图书信息，构建图书模型，建立对应的特征向量；
　　（三）推断当前用户是新用户或老用户，若用户有借阅信息记录则为老用户，否则为新用户；
　　（四）对于老用户，若参考借阅信息记录，则由基于用户的协同过滤算法进行推举；假如不参考借阅信息记录，则利用基于项目的协同过滤推举算法进行推举；
　　（五）对新用户，接受基于属性值偏好矩阵的最近邻推举；
　　三、协同过滤算法在图书馆推举系统应用的体现
　　图书推举功能主要是依据同学的评分作为项，形成一个矩阵。当登录用户即同学读者对已经借阅的图书进行的评价与另一个同学用户已经借阅的图书的评价比较相像，那么就认为该用户与另一个同学用户是相像用户，也就是他的邻居。依据同学邻居集获得他们评分较高的图书集合，进而把这些图书集合推举给相应同学，并显示到图书列表中。这样可以让同学直观地查看推举图书状况。
3
　　全部这些功能的实现都是由以下代码所体现：