發(fā)布時間：2020-12-05 09:22

　　提出了一種根據(jù)讀者借閱行為記錄和圖書信息來觀察高校讀者閱讀偏好隨著時間變化的思路,并借助二分網(wǎng)絡結構特性提出了測量偏好變化特征的計算方式及其作為推薦客體結合傳統(tǒng)圖書推薦算法的混合推薦方式。同時,使用上海交通大學圖書館圖書借閱歷史數(shù)據(jù),展示了偏好變化計算結果和結合偏好變化的混合推薦方法相比傳統(tǒng)推薦方法的優(yōu)越性。 

【文章來源】：系統(tǒng)管理學報. 2020年04期 第824-829頁 北大核心CSSCI

【文章頁數(shù)】：6 頁

【部分圖文】：

2013～2015年上海交通大學圖書館借閱流水中讀者借閱圖書涵蓋圖書分類數(shù)量圖

按照圖書類別分類并以圖書書名關鍵詞作為特征是本文描述讀者偏好的基本方式。據(jù)此，在既定的圖書分類和既定的偏好階段條件下，讀者和圖書書名關鍵詞分別作為兩部分的節(jié)點、讀者的借閱行為作為邊形成一個二分網(wǎng)絡（見圖2）。在該網(wǎng)絡中，讀者和書名關鍵詞的權重都可以得到測度，具體測量方式可以參考文獻[15]中對圖書可推薦質量的測量，而關鍵詞的測度結果則可以作為權重形成讀者的偏好。由讀者和書名關鍵詞之間的聯(lián)系可以看到，讀者和關鍵詞相互依賴，其依賴能力在實際的圖書借閱過程中體現(xiàn)為一段時間內(nèi)的網(wǎng)絡流量，其中關鍵詞的權重如下式所示：

【參考文獻】：
期刊論文
[1]面向大數(shù)據(jù)的移動數(shù)字圖書館情境化推薦系統(tǒng)研究[J]. 劉海鷗,陳晶,孫晶晶,張亞明.  圖書館工作與研究. 2018(09)
[2]移動商務用戶個性化推薦采納行為影響因素的實證研究[J]. 王偉軍,王陽,王玉珠,劉凱.  系統(tǒng)管理學報. 2017(05)
[3]關聯(lián)規(guī)則應用下的高校圖書館圖書推薦服務[J]. 陳淑英,徐劍英,劉玉魏,山潔.  圖書館論壇. 2018(02)
[4]基于信任隨機游走模型的微博粉絲推薦[J]. 曹云忠,邵培基,李良強.  系統(tǒng)管理學報. 2017(01)
[5]融合Word2vec與TextRank的關鍵詞抽取研究[J]. 寧建飛,劉降珍.  現(xiàn)代圖書情報技術. 2016(06)
[6]一種面向高校圖書館的個性化圖書推薦系統(tǒng)[J]. 王連喜.  現(xiàn)代情報. 2015(12)
[7]一種融合協(xié)同過濾和內(nèi)容過濾的混合推薦方法[J]. 高虎明,趙鳳躍.  現(xiàn)代圖書情報技術. 2015(06)
[8]基于符號數(shù)據(jù)與非負矩陣分解法的混合推薦算法[J]. 郭均鵬,王啟鵬,寧靜,李嬡嬡.  系統(tǒng)管理學報. 2015(03)
[9]一種高校讀者借閱偏好的個性化圖書推薦[J]. 李克潮,藍冬梅,凌霄娥.  現(xiàn)代情報. 2013(08)
[10]基于讀者借閱二分網(wǎng)絡的圖書可推薦質量測度方法及個性化圖書推薦服務[J]. 李樹青,徐俠,許敏佳.  中國圖書館學報. 2013(03)



本文編號：2899233