检索结果-南通市图书馆

情报科学 2023年第1期41卷 166-173页

作者：叶佳鑫熊回香孟璇华中师范大学信息管理学院湖北武汉430079

【目的/意义】通过深度学习方法对图书评论进行细粒度挖掘,并基于挖掘结果优化图书间相似度计算结果。【方法/过程】首先从在线书评网站上采集图书评论,对评论进行词性分析构建属性词表,随后基于属性词表对评论进行类型标注,通过BERT-Bi... 详细信息

【目的/意义】通过深度学习方法对图书评论进行细粒度挖掘,并基于挖掘结果优化图书间相似度计算结果。【方法/过程】首先从在线书评网站上采集图书评论,对评论进行词性分析构建属性词表,随后基于属性词表对评论进行类型标注,通过BERT-BiLSTM模型对标注数据进行学习以实现评论自动分类,最后通过BERT对分类后的评论进行向量表示,通过余弦相似度计算评论间的相似度以表征图书相似度。【结果/结论】本文构造的BERT-BiLSTM评论分类模型准确率、召回率和F1值分别达到0.922、0.921和0.921,可以较好地实现评论分类。通过模型将评论划分为文笔、人物、情节、概要、读者态度5种类型来计算图书间相似度可以得到较为契合的相似度结果。【创新/局限】相较于其他类型的评论,通过人物与情节类评论计算图书相似度的效果有待提高。以后可对这两类评论进行更为细粒度的分析。

关键词：图书评论挖掘评论分类图书相似度 BERT BiLSTM

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

图书信息检索中读者兴趣偏好挖掘模型的建立仿真

引用

沈阳工业大学学报 2017年第2期39卷 188-192页

作者：冯静张福泉新疆师范大学图书馆乌鲁木齐830054 北京理工大学软件学院北京100081

针对传统挖掘模型对图书信息检索中读者兴趣偏好数据进行挖掘时,存在的挖掘效率低、耗时长等问题,提出基于聚类分析的读者兴趣偏好挖掘模型.采用分类索引分布树法对图书相似度与读者兴趣距离进行计算,通过兴趣因子对兴趣偏好度进行度量... 详细信息

针对传统挖掘模型对图书信息检索中读者兴趣偏好数据进行挖掘时,存在的挖掘效率低、耗时长等问题,提出基于聚类分析的读者兴趣偏好挖掘模型.采用分类索引分布树法对图书相似度与读者兴趣距离进行计算,通过兴趣因子对兴趣偏好度进行度量,并以此为基础,采用相关反馈模型Rocchio算法对读者兴趣图书检索进行扩展,引入聚类分析法建立图书信息检索中读者兴趣偏好挖掘模型.实验仿真结果表明,采用改进模型时,其挖掘效率、时间及误差均优于传统模型.

关键词：图书信息检索读者兴趣偏好挖掘模型兴趣因子兴趣距离图书相似度扩展

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于概率矩阵分解的个性化图书推荐模型研究

基于概率矩阵分解的个性化图书推荐模型研究

引用

作者：王奕西安电子科技大学

学位级别：硕士

近年来,网络文学蓬勃发展、实体图书出版流程简化以及各国文学的迅速传播为读者提供了丰富的阅读素材。如何在短时间内准确高效地为读者提供满意的推荐,使现有图书资源得到充分利用,是当前在线读书平台和高校图书馆亟待解决的问题。协... 详细信息

近年来,网络文学蓬勃发展、实体图书出版流程简化以及各国文学的迅速传播为读者提供了丰富的阅读素材。如何在短时间内准确高效地为读者提供满意的推荐,使现有图书资源得到充分利用,是当前在线读书平台和高校图书馆亟待解决的问题。协同过滤是现今应用最为广泛的推荐方法,它的基本原理是,有相似行为的用户一般具有相似的兴趣和偏好,利用用户的行为记录预测其可能喜欢的物品。然而,读者的历史行为数据具有数据稀疏、分布不平衡的特点,而传统协同过滤受限于数据稀疏和冷启动,导致准确度低下,用户对推送的结果不甚满意。为了提高图书推荐的准确度,本文采用对于此类数据具有良好适应性的概率矩阵分解模型,通过学习低维的近似矩阵进行推荐,能够有效地处理海量数据。本文的主要工作包括:（1）在概率矩阵分解模型的基础上,构建融合读者间关系的个性化图书推荐模型。由于单纯通过读者-图书评分矩阵计算两读者相似度,不能充分利用读者间潜在关系,存在信息缺失,相似度矩阵过分稀疏,最终导致推荐准确率低下。本文通过对读者的图书类型偏好进行量化,构建融合图书类型偏好的读者相似度,利用改进的相似度刻画读者间的综合关联,并融入概率矩阵分解模型中,构建融合图书类型偏好的个性化图书推荐模型;（2）不仅考虑到读者间关系,还要将图书间的关系嵌入概率矩阵分解模型中,本文提出用热门图书惩罚因子、读者活跃度惩罚因子以及归一化对传统的图书相似度进行修正,获得改进的图书相似度,更准确地筛选相似邻居,提高预测的准确性;（3）通过Python语言实现本文提出的模型,并与传统的协同过滤推荐算法、概率矩阵分解算法作对比实验,通过分析对比准确率与召回率以及平均绝对误差指标,评估推荐模型的整体推荐性能。实验证明,本文提出的基于概率矩阵分解模型的混合协同过滤推荐模型,相比传统协同过滤明显地提高了整体推荐性能,并且具有良好的解释性。

关键词：图书推荐模型协同过滤概率矩阵分解读者相似度图书相似度

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于移动图书馆的个性化推荐算法的研究及应用

基于移动图书馆的个性化推荐算法的研究及应用

引用

作者：王文昊中国地质大学(北京)

学位级别：硕士

随着互联网技术的迅猛发展,人们可获得图书信息越来越多。面对如此海量的图书信息,人们对快捷地、精准地、全面地获取信息产生了强烈的需求。如何有效地从大量冗余信息中获取有效信息,成为了信息处理领域最核心的问题。因此,个性化推荐... 详细信息

随着互联网技术的迅猛发展,人们可获得图书信息越来越多。面对如此海量的图书信息,人们对快捷地、精准地、全面地获取信息产生了强烈的需求。如何有效地从大量冗余信息中获取有效信息,成为了信息处理领域最核心的问题。因此,个性化推荐作为解决信息过载最有效的手段之一,成为了科研工作者们研究的重点。基于用户行为的传统推荐算法模型,忽视了图书馆图书与读者的特殊性,很难达到令人满意的推荐效果,是论文研究的难点。论文深入分析了图书馆个性化推荐系统中因图书馆特征信息缺失、读者兴趣易受多种客观因素影响、推荐系统冷启动困难所导致的推荐结果准确度差适用性低的现状。在此基础上,根据图书馆图书和读者的特殊性进行了分析,研究出了图书馆个性化推荐算法。首先,在研究了基于读者行为的协同过滤推荐算法的基础上,利用图书馆特征信息改进了图书相似度、读者相似度、读者兴趣度的计算方法,使得这些算法更符合图书馆的应用场景。接着,研究了读者的上下文信息和读者的社交关系对图书馆图书推荐的影响,根据读者所处的时间上下文、读者在图书馆读书社区中的单向社交关系以及读者现实生活中的双向社交关系对推荐算法做了多处改进,使得推荐结果的精准度、覆盖率和多样性都得到了不同程度的提升。随后,在系统完成后,分析了系统所面临的图书冷启动和读者冷启动的问题,设计出基于读者注册信息、基于读者反馈和基于图书目录内容的协同过滤推荐算法。并在此算法的基础上,设计并实现了中国地质图书馆个性化推荐系统。通过该系统可以自动获取读者的信息和行为,分析并利用这些数据,判断读者的阅读兴趣,由此实现图书馆图书个性化推荐的功能。论文最后对算法的效果以及系统的功能进行了实验分析与对比,结果表明,该算法与传统个性化推荐算法相比有明显的提升效果。评估算法后,所设计并实现的中国地质图书馆个性化推荐系统也能达到图书馆科学、智能管理的预期。

关键词：图书馆个性化推荐图书相似度读者相似度

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：