摘要
【目的】利用分众分类法构建用户、资源和标签的三元组关系实现图书推荐系统。【方法】利用协同过滤技术,采用余弦算法计算资源相似度,分别设计了书目权值和标签权值,利用稀疏向量的表示方法来表示输入矩阵中的每个资源来压缩稀疏矩阵存储。【结果】计算后发现书目权值主要分布在0-200的区间内,标签权值符合幂率分布。使用AP和MAP指标对比书目权值高的前20本书在本系统的相关推荐结果要优于豆瓣网。【局限】因为目前图书馆参与书目标注行为的用户数量不够,所以本文的数据是在采集图书馆的书目数据基础上获得豆瓣网上的该书所对应的用户标注数据。【结论】本研究有利于图书馆OPAC系统功能完善,利用用户标注数据了解用户需求,提供更好地个性化推荐服务。
[Objective] This paper tries to build a book recommender system based on folksonomy, which forms the triple relations among the users, resources and tags. [Methods] This paper calculates the cosine similarity and weights of books and tags, use sparse vector representation to represent the input matrix for each resource to compress sparse matrix. [Results] Experimental results show that the book weights varied from 0 to 200 and the tag weights followed a power law distribution. In the end, the relevant assessments are performed with the AP and MAP indicators. [Limitations] It fails to get enough data in the library catalogs, hence collects the additional data in book.douban.com. [Conclusions] The recommendation system can help the OPACs to improve its function and personalized services.
出处
《现代图书情报技术》
CSSCI
北大核心
2014年第4期14-19,共6页
New Technology of Library and Information Service
基金
国家社会科学基金项目"数字图书馆标签系统的语义挖掘研究"(项目编号:12CTQ003)的研究成果之一
关键词
分众分类法
图书推荐
推荐系统
Folksonomy Book recommendation Recommendation system
