图书馆移动信息资源面向用户推荐优化仿真

摘要：

对图书馆移动信息资源面向用户推荐进行优化,可以有效解决随着图书馆移动信息资源剧增的问题.图书馆移动信息资源面向用户推荐时,应建立在获取用户对最近邻集合中信息资源项目的评分,在此基础上计算各个图书馆用户属性与核心属性之间的聚类的基础上,而传统方法利用图书馆书籍所属索引类别组建图书馆索引分布树进行推荐,到那时不能对图书馆用户属性与核心属性进行准确的聚类,导致信息资源面向用户推荐时耗时长,准确性差.提出一种划分聚类的图书馆移动信息资源面向用户推荐优化方法.上述方法先将粗糙集邻域理论应用到图书馆移动信息资源个性化推荐中,获取用户信息资源评分项集合,计算出目标用户与用户-信息资源项矩阵中所有用户对象之间的距离,由此判定目标用户的最近邻集合,将相异度矩阵概念引入到用户近邻计算中,给出用户对象的最近邻因子,得到用户对最近邻集合中信息资源项目的评分,结合聚类划分理论获取图书馆用户集合,并计算各个图书馆用户属性与核心属性之间的聚类,依据图书馆用户的属性对比完成近似用户的分组,由此完成图书馆移动信息资源面向用户推荐优化.仿真结果表明,所提方法可以有效提高图书馆移动信息资源面向用户推荐精度,具有较好的推荐效率.

关键词：图书馆、个性化推荐、移动信息资源、用户

所属期刊栏目：34

分类号：TP391.3(计算技术、计算机技术)

在线出版日期：2017-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：291-294