文献类型：期刊文章

作　　者：宋楚平[1,2]

Song Chuping(Mechanical and Electrical Engineering College, Jiangsu College of Engineering and Technology, Nantong 2260071 Education College, East China Normal University, Shanghai 200062)

机构地区：[1]江苏工程职业技术学院机电学院,南通226007 [2]华东师范大学教育学院,上海200062

出　　处：《图书情报工作》

基　　金：校科研计划项目"基于机器学习的评论探测应用研究"(项目编号:GYKY/2016/15)研究成果之一

年　　份：2016

卷　　号：60

期　　号：24

起止页码：86-91

语　　种：中文

收录情况：BDHX、BDHX2014、CSSCI、CSSCI2014_2016、JST、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：[目的/意义]为解决高校图书推荐过程中面临的"数据稀疏"和"冷启动"问题,研究表明:优化读者评价矩阵和相似度模型是提高图书推荐质量的关键。[方法/过程]提出一种协同过滤改进方法,以图书分类为项目生成用户评价矩阵,并考虑借阅方式、借阅时间和图书相似度对用户兴趣度的影响,优化矩阵中的样本数据;同时,在计算读者相似度时融入读者特征和图书特征。[结果/结论]实验结果表明,该方法可有效解决"数据稀疏"和"冷启动"问题,显著降低计算量。与基本协同过滤和聚类改进的协同过滤方法相比,无论是在推荐准确率还是在用户满意率上都有较大的提高,综合推荐效果更好。

关 键 词：协同过滤 图书推荐 评价矩阵 用户特征

分 类 号：G258.6[图书情报与档案管理类] G252