用户意图聚类的数字资源推荐方法

摘要：

综合用户背景与资源特点，基于用户的协同过滤更适合高校图书馆在信息推荐中的应用。对其由于馆藏数字资源空间增大而导致推荐系统性能下降以及数据稀疏性问题，提出一种用户意图聚类的方法。通过运用K—means算法，对资源类别的意图特征值相似用户进行聚类，来提高推荐的实时性，降低数据稀疏性对信息推荐造成的影响。实验结果表明，基于用户意图聚类的协同过滤算法能有效提高推荐质量。

关键词：数字资源、聚类分析、用户、协同过滤

所属期刊栏目：34

分类号：G354.42(情报学、情报工作)

资助基金：上海应用技术学院社会科学基金项目SJ2010-04

在线出版日期：2012-04-21（万方平台首次上网日期，不代表论文的发表时间）

页码：116-119