基于Web挖掘的圖書館個性化推薦系統(tǒng)的設計與實現(xiàn).pdf

1、隨著信息技術和網(wǎng)絡技術的發(fā)展，圖書館的數(shù)字資源越來越豐富和完善，對于數(shù)字圖書館來說，不僅僅為讀者提供信息資源，還需要對于不同的用戶提供個性化的信息服務，進而提升數(shù)字圖書館的服務質量和水平，提高資源信息的利用率。在此背景下，本文提出了一種基于Web的數(shù)字圖書館個性化服務機制，并從實現(xiàn)算法的角度，對系統(tǒng)進行了研究。
　　本文在分析當前提供個性化服務的內涵、特征和方式的基礎上，利用數(shù)據(jù)挖掘領域的Web挖掘技術的方案，解決了圖書館個性化信

2、息服務不足的問題。首先研究了兩種基于Web的個性化服務挖掘技術關聯(lián)規(guī)則發(fā)現(xiàn)技術和聚類方法，并對各算法的性能、優(yōu)缺點進行了分析，針對k-means聚類算法中必須先指定聚類數(shù)目k值的不足，提出了先層次聚類再劃分聚類的兩種聚類相結合的算法。接著從系統(tǒng)功能的實現(xiàn)過程出發(fā)，提出了在線和離線部分分離設計、融合實現(xiàn)個性化推薦的設計思想。系統(tǒng)首先從數(shù)據(jù)準備、用戶興趣模型的建立，其次到在線推薦引擎產(chǎn)生結果推薦集的各個模塊的功能設計，然后再對離線部分詳細的

3、設計，最后提出了用戶興趣模型庫，通過對用戶Web瀏覽內容和用戶瀏覽行為的分析，將二者的分析結果相結合形成用戶興趣描述文件，再與信息資源庫相關聯(lián)生成用戶興趣模型庫的設計思想，使用戶興趣模型以二層結構的基于向量空間模型的形式表示。本文還對用戶興趣模型庫的更新算法進行了分析和探討。最后個性化推薦系統(tǒng)的實現(xiàn)，包括了三個主要模塊數(shù)據(jù)預處理模塊，頻繁訪問模式發(fā)現(xiàn)模塊，在線推薦模塊的代碼及實現(xiàn)，對系統(tǒng)進行了測試，結果分析表明系統(tǒng)很好地實現(xiàn)了用戶的需求