基于OPAC的高校图书馆个性化图书推荐算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-19页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·推荐系统在图书馆领域应用的研究 | 第11-12页 |
| ·个性化图书推荐算法方面的研究 | 第12-14页 |
| ·个性化图书推荐用户兴趣模型的研究 | 第14-15页 |
| ·国内外图书推荐系统简介 | 第15-16页 |
| ·斯坦福大学的Fab系统 | 第15页 |
| ·人大数字图书馆个性化信息服务系统 | 第15页 |
| ·加州大学Melvyl推荐系统 | 第15-16页 |
| ·亚马逊网上书店图书推荐系统 | 第16页 |
| ·论文组织结构及研究思路 | 第16-19页 |
| ·论文组织结构及主要研究内容 | 第16-17页 |
| ·论文研究思路 | 第17-19页 |
| 2 个性化图书推荐系统概述 | 第19-26页 |
| ·个性化信息推荐主要算法 | 第19-21页 |
| ·基于内容的推荐算法 | 第19-20页 |
| ·协同过滤推荐算法 | 第20页 |
| ·其他推荐算法简介 | 第20-21页 |
| ·各种推荐算法的比较 | 第21-22页 |
| ·个性化图书推荐算法的选择 | 第22-24页 |
| ·高校图书馆产品及用户分析 | 第22-23页 |
| ·各种算法于图书馆图书推荐的适用分析 | 第23-24页 |
| ·图书馆个性化图书推荐策略的提出 | 第24-26页 |
| 3 基于内容的推荐改进方法 | 第26-43页 |
| ·基于内容的推荐算法简介 | 第26-28页 |
| ·基于内容的推荐算法推荐原理 | 第26-27页 |
| ·基于内容的推荐算法推荐步骤 | 第27-28页 |
| ·用户兴趣模型相关研究 | 第28-32页 |
| ·用户兴趣常用表示方法 | 第28-29页 |
| ·向量空间模型VSM介绍 | 第29-31页 |
| ·VSM在个性化图书推荐中的问题分析 | 第31-32页 |
| ·基于《中图法》的用户兴趣模型 | 第32-39页 |
| ·《中国图书馆分类法》简介 | 第33页 |
| ·用户兴趣模型的表述方法 | 第33-34页 |
| ·用户初始模型的设定 | 第34-35页 |
| ·用户兴趣模型的学习更新 | 第35-37页 |
| ·图书描述及新书的推送算法 | 第37-38页 |
| ·基于内容的推荐改进算法 | 第38-39页 |
| ·改进算法的算例分析 | 第39-43页 |
| ·实验数据 | 第40页 |
| ·实验评估标准 | 第40-41页 |
| ·实验设计 | 第41页 |
| ·实验结果与分析 | 第41-43页 |
| 4 协同过滤的改进方法 | 第43-63页 |
| ·协同过滤算法简介 | 第43-47页 |
| ·协同过滤算法原理及分类 | 第43-44页 |
| ·User-based协同过滤推荐步骤 | 第44-46页 |
| ·协同过滤算法在个性化图书推荐中的问题分析 | 第46-47页 |
| ·协同过滤评价矩阵的改进 | 第47-51页 |
| ·多层次评价矩阵的提出 | 第47-48页 |
| ·基于《中图法》的图书分层结构 | 第48-50页 |
| ·基于《中图法》的多层次评价矩阵 | 第50-51页 |
| ·协同过滤的改进算法 | 第51-53页 |
| ·数据表示 | 第51页 |
| ·用户相似度的计算 | 第51-52页 |
| ·Top-N推荐的产生 | 第52-53页 |
| ·个性化混合推荐算法的实现 | 第53-56页 |
| ·目前常用混合推荐方式 | 第53页 |
| ·个性化推荐混合策略的设计 | 第53-55页 |
| ·混合推荐算法的实现 | 第55-56页 |
| ·实证研究 | 第56-63页 |
| ·实验数据 | 第56-57页 |
| ·实验评估标准 | 第57-58页 |
| ·实验设计 | 第58-59页 |
| ·实验结果与分析 | 第59-63页 |
| 5 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
