论文部分内容阅读
在网络技术异常发达的今天,推荐系统在各种电商网站和社交媒体中的应用已经非常普遍,推荐技术是通过对资源进行相似度计算或者对用户特征进行分析挖掘,在此基础上帮助用户尽快找到自己关注的资源。图书推荐则是图书馆满足读者需求的一个重要手段,用来提高图书馆的资源检索效率,提升用户体验,提高图书资源的利用率。随着Web 2.0的出现,各种社交网站层出不穷,网络用户生成的信息量爆炸性增长,社会化标签网站作为一种新型资源组织网站和社交平台,发展亦是非常迅速,而标签作为一种特殊的“关键字”,已经成为社会化标签网站中在概念上组织和概括信息的优选媒介,它可以帮助用户标记和搜索内容。社会化标签有助于图书馆以更有效的方式组织或宣传其馆藏资源,并且可以为用户的个性化推荐提供一个很好的数据源。所以本文将社会化标签作为研究起点,探讨了将社会化标签作为图书特征项的有效性,将图书标签引入图书馆的书目推荐之中,重点做了以下几项工作:第一,对社会化标签及标签系统的产生和特征进行了概述总结,对个性化推荐相关理论和技术进行了梳理,之后重点对国内典型的标签系统网站——豆瓣网上的图书被打的社会化标签数据进行采集及分析,研究了标签的频数分布特征、内容分布特征,然后将图书标签和高校图书馆的书目记录进行了深入的对比分析,说明了图书标签可以较好地揭示图书的内容主题特征。第二,通过对采集的标签数据集进行一系列预处理之后,运用主题模型算法对图书标签集进行隐含主题的挖掘。在标签主题的挖掘过程中,在LDA主题模型的基础上,运用词对主题模型进行创新,采用吉布斯采样算法对参数进行估计,分别生成标签集的主题-标签模型,通过对两种主题模型得到的结果进行对比分析,说明了词对主题模型对标签隐性主题进行挖掘的可行性及有效性。第三,在对标签进行主题建模的基础之上,提出了一种基于标签主题特征扩展的图书馆书目推荐方法,首先运用词对主题模型对标签进行主题建模来挖掘其隐性主题特征,之后将标签-主题模型中最能揭示图书主题特征的标签作为图书的隐性特征项,对图书馆书目原有的特征项进行扩充,然后通过相似度计算得到图书与图书之间的相似性,按照相似度的高低排序来实现推荐。最后通过实验验证将图书的社会化标签作为书目特征项在扩充前和扩充后的图书推荐效果,证明其有效性。