The invention provides a library of Library Based on hybrid collaborative filtering recommendation method, which includes four steps as follows: Step 1: get the book information data sets; data preprocessing; step 2: Step 3: create user Book rating model; step 4: build a user and library neighbor neighbor matrix matrix; step 5: Recommended books; by using a hybrid collaborative filtering algorithm with user interest and books of the same or similar as the basis, mining the user may be interested in what books. The use of this method to recommend books can more effectively improve the utilization of books and ensure that users get more effective resources.
【技术实现步骤摘要】
一种基于混合协同过滤的图书馆图书推荐方法及系统
本专利技术涉及信息应用和互联网
,尤其涉及一种基于混合协同过滤的图书馆图书推荐方法及系统。
技术介绍
图书馆是高校传播知识的重要地点,拥有大量的书籍资料、报刊杂志、用户的浏览日志等,也不可避免的导致了图书馆信息过载的情况,信息的过载给用户和管理员都带来了一定的困扰,用户只能通过浏览图书馆网页或通过搜索引擎来进行资料的查找,而在海量的图书馆资料中需要进行大量的搜索工作才能找到需要的资料。但随着信息技术和互联网技术的发展,推荐系统的产生,用户可以有针对性地获得相关的资料。推荐系统和搜索引擎的相互合作有效减轻了数据时代的过载问题。区别于搜索引擎主流使用PageRank算法,针对于不同的应用场景,推荐系统算法纷繁复杂、良莠不齐,并没有统一的最优算法。相较于大型的服务性网站的推荐系统其数据集往往基于历史记录,数据庞杂,投入人力物力较大,并不适合校内图书馆。
技术实现思路
有鉴于此,本专利技术的实施例提供了一种方便图书管理的图书馆图书推荐方法及系统。一种基于混合协同过滤的图书馆图书推荐方法,包括如下步骤:步骤1:获取图书信息数据集,所述图书信息数据集包含用户对图书的评分数据、阅读日志、图书和用户的元数据,所述图书和用户的元数据包括用户性别、年龄和图书名称、作者、出版社等;步骤2:数据预处理,所述数据预处理过程包括对所述图书信息数据集进行数据清洗、缺省值处理、异常处理、数据变换等,进行偏好程度划分;步骤3:利用所述用户对图书的评分数据根据所述偏好程度量化赋以相对应的权值构建用户-图书评分矩阵,并由所述用户-图书评分矩阵得 ...
【技术保护点】
一种基于混合协同过滤的图书馆图书推荐方法,其特征在于,包括如下步骤:步骤1:获取图书信息数据集,所述图书信息数据集包含用户对图书的评分数据、阅读日志、图书和用户的元数据,所述图书和用户的元数据包括用户性别、年龄和图书名称、作者、出版社等;步骤2:数据预处理,所述数据预处理过程包括对所述图书信息数据集进行数据清洗、缺省值处理、异常处理、数据变换等,进行偏好程度划分;步骤3:利用所述用户对图书的评分数据根据所述偏好程度量化赋以相对应的权值构建用户‑图书评分矩阵,并由所述用户‑图书评分矩阵得出用户‑图书评分模型;步骤4:基于所述用户‑图书评分矩阵构建用户近邻矩阵和图书近邻矩阵,所述用户近邻矩阵和图书近邻矩阵依据所述用户‑图书评分矩阵确定的用户与用户、图书与图书间的相似度数值建立;步骤5:基于所述用户近邻矩阵和图书近邻矩阵,采用混合协同过滤推荐方式推荐图书,得出最终的推荐列表。
【技术特征摘要】
1.一种基于混合协同过滤的图书馆图书推荐方法,其特征在于,包括如下步骤:步骤1:获取图书信息数据集,所述图书信息数据集包含用户对图书的评分数据、阅读日志、图书和用户的元数据,所述图书和用户的元数据包括用户性别、年龄和图书名称、作者、出版社等;步骤2:数据预处理,所述数据预处理过程包括对所述图书信息数据集进行数据清洗、缺省值处理、异常处理、数据变换等,进行偏好程度划分;步骤3:利用所述用户对图书的评分数据根据所述偏好程度量化赋以相对应的权值构建用户-图书评分矩阵,并由所述用户-图书评分矩阵得出用户-图书评分模型;步骤4:基于所述用户-图书评分矩阵构建用户近邻矩阵和图书近邻矩阵,所述用户近邻矩阵和图书近邻矩阵依据所述用户-图书评分矩阵确定的用户与用户、图书与图书间的相似度数值建立;步骤5:基于所述用户近邻矩阵和图书近邻矩阵,采用混合协同过滤推荐方式推荐图书,得出最终的推荐列表。2.如权利要求1所述的一种基于混合协同过滤的图书馆图书推荐方法,其特征在于:在所述步骤2中,采用奇异值分解的方法删除不重要的用户和图书,降低评分矩阵的维度。3.如权利要求1所述的一种基于混合协同过滤的图书馆图书推荐方法,其特征在于:在所述步骤3中,所述偏好程度被设定为十个等级,等级为1对应权值为0.1,等级为10对应权值为1,依此类推。4.如权利要求1所述的一种基于混合协同过滤的图书馆图书推荐方法,其特征在于:在所述步骤4中,所述用户与用户、图书与图书间的相似度数值基于公式得出,所述公式:求得用户u和用户v之间的相似度,ru,i表示用户u对图书i的评分,表示用户u对所有图书评分的平均数,图书i∈I,I表示图书总数量;求得图书i与图书j之间的相似度,ru,i表示用户u对图书i的评分,表示所...
【专利技术属性】
技术研发人员:李羚,薛印玺,陈振华,曾浩,
申请(专利权)人:中国地质大学武汉,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。