协同过滤算法在高校图书馆个性化推荐中的应用研究

摘要：

由于目前高校图书馆的个性化推荐效果不佳,研究协同过滤算法在高校图书馆个性化推荐中的应用.通过用户信息数据获取与显示,补全修正不完整数据.基于协同过滤处理数据,将隐式反馈转化为对图书资源类别的显式评分.用户与图书相似度定义及描述,利用不同关键词信息构成向量空间,计算相似度.建立高校图书馆个性化推荐模型,整合各模块功能实现个性化推荐.在实验论证分析中,文章方法在纵向推荐和横线推荐中均具有较高的查准率,满足高校图书馆对个性化推荐的应用要求,文章算法性能与传统算法性能对比,传统算法的平均绝对误差均高于文章算法,说明文章算法具有有效性.

关键词：协同滤波算法、高校图书馆、个性化推荐、用户相似度、用户数据、预测评分

所属期刊栏目：19

分类号：TP391;TP250.7;TN911-34

在线出版日期：2022-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：111-113