一种快速的个性化书目推荐方法*

doi:10.11925/infotech.1003-3513.2010.02.14

现代图书情报技术

2010, Vol. 26

Issue (2): 79-84 https://doi.org/10.11925/infotech.1003-3513.2010.02.14

应用实践

本期目录 | 过刊浏览 | 高级检索

一种快速的个性化书目推荐方法*

徐嘉莉¹ 陈佳²

¹(成都大学电子信息工程学院成都 610106)
²(电子科技大学计算机科学与工程学院成都 610054)

A Fast Personalized Bibliographic Recommendation Method

Xu Jiali¹Chen Jia²

¹(School of Electronic and Information Engineering, Chengdu University,Chengdu 610106,China)
²(School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054,China)

摘要
参考文献
相关文章
Metrics

全文: PDF (494 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

针对高校数字图书馆现有书目推荐方法存在的不足，提出一种快速的个性化书目推荐方法。该方法利用矩阵向量技术和压缩技术对Apriori算法进行改进，以提高数据资源的挖掘效率，然后利用改进的Apriori算法从读者的借阅记录中挖掘出图书之间的关联关系，以此为读者的借阅提供个性化的书目推荐服务。仿真结果能够证明该方法的有效性。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	徐嘉莉
	陈佳

关键词 ：数字图书馆, 个性化推荐, Apriori

Abstract：

Aimed at the shortcomings of the bibliographic recommended methods in digital library, a Fast Personalized Bibliographic Recommendation Method(FPBRM) is proposed. By using the technologies of matrix vector and compression, the method improves Apriori algorithm that it can enhance the efficiency of data mining.Then the correlation between the books can be mined from the loan records by using the Improved Apriori Algorithm(IAA),which can provide personalized bibliographic recommendation for the readers. Finally，the simulation results show the effectiveness of the method.

Key words： Digital library Personalized recommendation Apriori

收稿日期: 2010-01-09 出版日期: 2010-02-25

TP391

基金资助:

*本文系国家863计划项目“安全计算模型及其关键技术的研究”（项目编号：2007AA01Z443）的研究成果之一。

通讯作者: 徐嘉莉 E-mail: lotussunnyx@163.com

作者简介: 徐嘉莉,陈佳

引用本文:

徐嘉莉,陈佳. 一种快速的个性化书目推荐方法*[J]. 现代图书情报技术, 2010, 26(2): 79-84.
Xu Jiali,Chen Jia. A Fast Personalized Bibliographic Recommendation Method. New Technology of Library and Information Service, 2010, 26(2): 79-84.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2010.02.14 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2010/V26/I2/79

［1］钱力.数字图书馆个性化信息服务系统的研究与设计［D］.北京:首都师范大学,2008.
［2］陈定权,朱维凤.关联规则与图书馆书目推荐［J］.情报理论与实践,2009,32(6):81-84.
［3］彭仪普,熊拥军.关联挖掘在文献借阅历史数据分析中的应用［J］.情报杂志,2005，24(8):40-44.
［4］蔡会霞,朱洁,蔡瑞英.关联规则的数据挖掘在高校图书馆系统中的应用［J］.南京工业大学学报,2005,27(1):85-88.
［5］朱明.数据挖掘［M］.合肥：中国科学技术大学出版社，2002:107-108.
［6］王燕,温有奎.基于关联规则的推荐系统在数字图书馆中的应用［J］.情报科学,2007,25(6):877-880.
［7］陆觉民,郑宇.数据挖掘技术的改进在图书馆个性化服务中的应用［J］.现代图书情报技术,2006(8):65-68.
［8］姜志英.基于数据挖掘的数字图书馆个性化推荐算法研究［D］.秦皇岛:燕山大学,2007.
［9］张素兰.一种基于事务压缩的关联规则优化算法［J］.计算机工程与设计，2006,27(18):3450-3453.
［10］徐嘉莉.一种基于矩阵压缩的Apriori优化算法［J］.微计算机信息,2009，25(12):213-215.

[1]	吴彦文, 蔡秋亭, 刘智, 邓云泽. 融合多源数据和场景相似度计算的数字资源推荐研究^*[J]. 数据分析与知识发现, 2021, 5(11): 114-123.
[2]	丁浩, 艾文华, 胡广伟, 李树青, 索炜. 融合用户兴趣波动时序的个性化推荐模型^*[J]. 数据分析与知识发现, 2021, 5(11): 45-58.
[3]	魏伟,郭崇慧,邢小宇. 基于语义关联规则的试题知识点标注及试题推荐^*[J]. 数据分析与知识发现, 2020, 4(2/3): 182-191.
[4]	张怡文,张臣坤,杨安桔,计成睿,岳丽华. 基于条件型游走的四部图推荐方法^*[J]. 数据分析与知识发现, 2019, 3(4): 117-125.
[5]	叶佳鑫,熊回香. 基于标签的跨领域资源个性化推荐研究^*[J]. 数据分析与知识发现, 2019, 3(2): 21-32.
[6]	聂卉. 结合词向量和词图算法的用户兴趣建模研究 ^*[J]. 数据分析与知识发现, 2019, 3(12): 30-40.
[7]	丁浩,李树青. 基于用户多类型兴趣波动趋势预测分析的个性化推荐方法 ^*[J]. 数据分析与知识发现, 2019, 3(11): 43-51.
[8]	李杰, 杨芳, 徐晨曦. 考虑时间动态性和序列模式的个性化推荐算法^*[J]. 数据分析与知识发现, 2018, 2(7): 72-80.
[9]	李昌兵, 庞崇鹏, 李美平. 基于权重的Apriori算法在文本统计特征提取方法中的应用^*[J]. 数据分析与知识发现, 2017, 1(9): 83-89.
[10]	侯银秀, 李伟卿, 王伟军, 张婷婷. 基于用户偏好与商品属性情感匹配的图书个性化推荐研究^*[J]. 数据分析与知识发现, 2017, 1(8): 9-17.
[11]	陈梅梅, 薛康杰. 基于标签簇多构面信任关系的个性化推荐算法研究^*[J]. 数据分析与知识发现, 2017, 1(5): 94-101.
[12]	陈梅梅, 薛康杰. 基于改进张量分解模型的个性化推荐算法研究^*[J]. 数据分析与知识发现, 2017, 1(3): 38-45.
[13]	齐云飞, 赵宇翔, 朱庆华. 关联数据在数字图书馆移动视觉搜索系统中的应用研究^*[J]. 数据分析与知识发现, 2017, 1(1): 81-90.
[14]	谭学清,张磊,黄翠翠,罗琳. 融合领域专家信任与相似度的协同过滤推荐算法研究^*[J]. 现代图书情报技术, 2016, 32(7-8): 101-109.
[15]	洪亮,钱晨,樊星. 移动数字图书馆资源的情境感知个性化推荐方法研究^*[J]. 现代图书情报技术, 2016, 32(7-8): 110-119.

Viewed

Full text

Abstract

Cited

Shared

Discussed