数字资源的信息过滤与精准推荐算法

作     者：郭笃凌 闫长青 GUO Du-ing;YAN Chang-qing

作者机构：山东科技大学公共课教学部泰安271019 山东科技大学智能装备学院泰安271019 

出 版 物：《印刷与数字媒体技术研究》 (Printing and Digital Media Technology Study)

年 卷 期：2024年第1期

页      面：113-121页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：数字资源 推荐系统 相似性度量 混合推荐算法 

摘      要：为了解决如何利用无限容量的数字资源与有限的用户信息及时而精准地向用户推荐可用的电子资源等问题,本研究设计了一种可以过滤不良信息的准确推荐算法。该算法为基于协同过滤与内容推荐的混合推荐算法,其中,协同过滤算法提取用户的特征,计算用户间的相似度并对相应的资源进行打分估计从而根据估分进行推荐;而基于内容推荐的算法用于处理用户无法求算相似度的冷启动问题,不良信息利用基于内容推荐的算法提取关键词并与不良关键词库对照,然后从前述推荐结果去掉不良信息;算法还考虑了用户兴趣随时间变化的问题。使用大规模图书馆数字资源数据集对本研究算法进行测试,结果表明,使用本研究算法,邻居数的增加对推荐精度有改善作用;对使用平均相似度和加权相似度的结果比较表明,加权相似度可以获得更好的推荐效果;加入时间因素,可以有效改进推荐精度,进而实现了对不良信息的过滤,保证了资源的质量。本研究算法基本实现了精准推荐,可适用于大数据环境下数字资源的推荐操作。