基于图书馆业务数据分析服务的个性化推荐系统设计与实现
|
摘要
随着近年来信息技术的飞速发展,我国的校园信息化进程也得到了极大的推动。学校教学和硬件资源不足等问题也随着办公自动化系统、信息管理系统、课程管理系统以及数字图书馆等现代化信息技术的发展而得到缓解。但随之而来的问题是高校图书馆的电子文献资源越来越多,高校内部信息系统呈现出信息孤岛的状态,缺乏连通性和联动性,通过整合高校内部信息,消除信息孤岛,提供综合性和个性化服务已经成为国内外数字化校园建设的发展趋势。
本论文出自北京邮电大学青年科研创新计划专项中的《基于图书馆业务数据分析服务的学生个性化知识服务平台》课题。本论文的研究工作主要解决了学生个性化知识服务中的学生个性化推荐的需求。本论文以学生在图书馆的借阅、收藏、评价以及用户社会关系等数据为基础,深度挖掘学生个性化兴趣信息进而设计和实现了学生个性化信息推荐服务。在学生个性化信息推荐系统中,首先研究分析了现阶段比较成熟的推荐系统以及常用的推荐算法,并结合现有的比较成功的电子商务网站的推荐系统进行分析对比。然后设计了基于图书馆数据业务的学生个性化推荐系统的整体架构以及相关推荐引擎的架构设计,最后详细阐述了学生个性化推荐系统中的学生图书推荐模块、学生好友推荐模块、学生标签推荐模块的设计与实现。
本论文主要贡献是将电子商务领域中已经相对比较完善的推荐系统思想与图书馆的数据业务相结合进而设计并实现了学生个性化推荐系统。本论文提出的推荐系统整体架构以及推荐引擎的思想符合软件工程模块化的思想,极大提升了系统的灵活性及可扩展性,另外在对系统中的推荐模块中结合不同的用户需求进而设计并实现的算法进行测试后可以看出,结合图书馆的数据业务特性最终实现的推荐结果基本满足了目前系统的需求。
In recent years, science and information technology has a very rapid development, in this background, the construction of campus informatization has made great achievement in our country's colleges and universities, and plays a pivotal role in the development and reform process of our colleges and universities. the emergence of major teaching system, such as student information management system, online courses system, student course management system, campus card system and digital library, etc, makes up for the weakness of the university hardware resources and teaching resources to a great extent. Attendant problem is the growing number of electronic literature resources of the university library, the university internal information system presents information island state, lacks of connectivity and linkage, through the integration of the internal information, eliminating the information island, to provide comprehensive and personalized service at home and abroad has become the development trend of the construction of digital campus.
This paper uses the data of students' borrowing, collection, evaluation and social relationship in the library as the foundation, excavate the students' personalized interest information deeply, and then design and realize the students' individualized information recommendation service. In students' individualized information recommendation, recommend system mainly design and finished user items recommend module, user friend recommended module, user tag recommendation module items recommend module based on the label.The main function of the user items recommended module is to recommend users interested resources by Item-based collaborative filtering and user-based collaborative filtering, user's friends recommended modules recommend interested friends for users according to the user's attributes, interests, friends relations, ser tag recommendation module contains the user recommend tags and give users interested recommended resources based on the user's label.
本论文出自北京邮电大学青年科研创新计划专项中的《基于图书馆业务数据分析服务的学生个性化知识服务平台》课题。本论文的研究工作主要解决了学生个性化知识服务中的学生个性化推荐的需求。本论文以学生在图书馆的借阅、收藏、评价以及用户社会关系等数据为基础,深度挖掘学生个性化兴趣信息进而设计和实现了学生个性化信息推荐服务。在学生个性化信息推荐系统中,首先研究分析了现阶段比较成熟的推荐系统以及常用的推荐算法,并结合现有的比较成功的电子商务网站的推荐系统进行分析对比。然后设计了基于图书馆数据业务的学生个性化推荐系统的整体架构以及相关推荐引擎的架构设计,最后详细阐述了学生个性化推荐系统中的学生图书推荐模块、学生好友推荐模块、学生标签推荐模块的设计与实现。
本论文主要贡献是将电子商务领域中已经相对比较完善的推荐系统思想与图书馆的数据业务相结合进而设计并实现了学生个性化推荐系统。本论文提出的推荐系统整体架构以及推荐引擎的思想符合软件工程模块化的思想,极大提升了系统的灵活性及可扩展性,另外在对系统中的推荐模块中结合不同的用户需求进而设计并实现的算法进行测试后可以看出,结合图书馆的数据业务特性最终实现的推荐结果基本满足了目前系统的需求。
In recent years, science and information technology has a very rapid development, in this background, the construction of campus informatization has made great achievement in our country's colleges and universities, and plays a pivotal role in the development and reform process of our colleges and universities. the emergence of major teaching system, such as student information management system, online courses system, student course management system, campus card system and digital library, etc, makes up for the weakness of the university hardware resources and teaching resources to a great extent. Attendant problem is the growing number of electronic literature resources of the university library, the university internal information system presents information island state, lacks of connectivity and linkage, through the integration of the internal information, eliminating the information island, to provide comprehensive and personalized service at home and abroad has become the development trend of the construction of digital campus.
This paper uses the data of students' borrowing, collection, evaluation and social relationship in the library as the foundation, excavate the students' personalized interest information deeply, and then design and realize the students' individualized information recommendation service. In students' individualized information recommendation, recommend system mainly design and finished user items recommend module, user friend recommended module, user tag recommendation module items recommend module based on the label.The main function of the user items recommended module is to recommend users interested resources by Item-based collaborative filtering and user-based collaborative filtering, user's friends recommended modules recommend interested friends for users according to the user's attributes, interests, friends relations, ser tag recommendation module contains the user recommend tags and give users interested recommended resources based on the user's label.
引文
[1]赵国栋,原帅,李志刚等.中国高校信息化2010年调研报告[R].北京：北京大学教育学院教育技术系,2010
[2]赵国栋,姜中皎.高校“开放式教育资源”建设与发展模式研究[J].北京大学教育评论,2009,卷(3),34
[3]庞宏伟,薛晓春,李海峰.日本个性教育对我国素质教育的启示[J].日本问题研究,2008,卷(1)：49-51
[4]钱海娟.试析美国的个性化教育[J].内蒙古师范大学学报(教育科学版),2005,卷(1)：50-56
[5]王颖.网络环境下高校图书馆创新探析[J].农业图书情报学刊,2005,17(1)：38-4l
[6]陈雅,郑建明.我国图书馆个性化服务管理机制研究[J].图书与情报,2011,卷(1)：7-9
[7]杨晓湘,孙坦.中美图书馆MyLibrary个性化服务系统的比较研究[J].现代情报,2005,卷(10)：218-22l
[8]覃风兰.基于知识管理的高校图书馆个性化服务研究[J].图书馆,2007,卷(6)：72-74
[9]范并思,胡小菁.图书馆2.0：构建新的图书馆服务[J].大学图书馆学报,2006,24(1)：2-7.
[10]CYCLADES[EB/OL].http://www.ercim.org/cyclades/index.html.
[11]夏亚云.面向视障读者的泛在图书馆——-LG Sangnam图书馆研究[J].图书馆理论与实践,2011,(10)：103-105.
[12]S. Gibbons. Building upon the MyLibrary concept to better meet the information needs of college students [EB/OL].[2006/08/03].
[13]赵研科.当前高校图书馆信息服务存在的问题及其对策[J].湖南财经高等专科学校学报.2006,卷(2)：125
[14]Ciccone K.MyLibrary@NCState:A library portal after five years [J]. Journal of Library Administration,2005,43(1/2):19-35.
[15]刘建国,周涛,汪秉宏等.个性化推荐系统的研究进展[J].自然科学进展,2009,19(1)：l-15
[16]王立才,孟祥武,张玉洁等.上下文感知推荐系统[J].软件学报,2012,23(1)：1-20
[17]邓爱林,朱扬勇,施伯乐等.基于项目评分预测的协同过滤推荐算法[J].软件学报,2003,14(9)：1621-1628
[18]许海玲,吴潇,李晓东等.互联网推荐系统比较研究[J].软件学报,2009,20(2)：350-362
[19]伍之昂,庄毅,王有权等.基于特征选择的推荐系统托攻击检测算法[J].电子学报,2012,40(8)：1687-1693
[20]洪文兴,翁洋,朱顺痣等.垂直电子商务网站的混合型推荐系统[J].系统工程理论与实践,2010,30(5)：928-935
[21]李琳娜,张志平.基于复杂结构数据聚类的推荐系统[J].高技术通讯,2011,21(11)：1115-1120
[22]张靖,何发镁,邱云等.个性化推荐系统描述文件攻击检测方法[J].电子科技大学学 报,2011,40(2)：250-254
[23]彭飞,邓浩江,刘磊等.加入用户评分偏置的推荐系统排名模型[J].西安交通大学学报,2012,46(6)：74-86.
[24]郁雪,李敏强.基于PCA-SOM的混合协同过滤模型[J].系统工程理论与实践,2010,30(10)：1850-1854
[25]王有为,许博,卫学启等.基于用户访问序列聚类的网站导航系统[J].系统工程理论与实践,2010,30(7)：1305-1311
[26]周娜,廖文和,杨浩等.基于分类和关联规则的个性化产品推荐系统[J].高技术通讯,2004,14(11)：51-55
[27]陈雅茜.音乐推荐系统及相关技术研究[J].计算机工程与应用,2012,48(18)：9-16
[28]张富国.基于标签的个性化项目推荐系统研究综述[J].情报学报,2012,31(9)：963-972
[29]李聪,梁昌勇.基于n序访问解析逻辑的协同过滤冷启动消除方法[J].系统工程理论与实践,2012,32(7)：1537-1545
[30]吴湖,王永吉,王哲等.两阶段联合聚类协同过滤算法[J].软件学报,2010,21(5)：1042-1054
[31]黄创光,印鉴,汪静等.不确定近邻的协同过滤推荐算法[J].计算机学报,2010,33(8)：1369-1377
[32]陈雅茜.公共环境下的混合型音乐推荐系统的关键技术研究[J].计算机应用研究,2012,29(11)：4250-4253
[33]田超,覃左言,朱青等SuperRank基于评论分析的智能推荐系统[J].计算机研究与发展,2010,47(21)：494-498
[34]王国霞,刘贺平.个性化推荐系统综述[J].计算机工程与应用,2012,48(7)：66-76
[35]王国霞,王丽君,刘贺平等.个性化推荐系统隐私保护策略研究进展[J].计算机应用研究,2012,29(6)：2001-2008
[36]黄颖.改进的Apriori算法在电子商务推荐系统中的应用[J].计算机与数字工程,2012,40(8)：35-38
[37]刘庆鹏,陈明锐.优化稀疏数据集提高协同过滤推荐系统质量的方法[J].计算机应用,2012,32(4)：1082-1085
[38]吴恒亮.Web挖掘在电子商务推荐系统中的应用研究[J].中国商贸,2010,(4)：78-79)
[39]祁衰然,潘志成,罗敬等.大学选课推荐系统的数学模型[J].南开大学学报(自然科学版),2011,44(4)：50-55
[40]杨静.电子商务个性化推荐系统的构建[J].现代计算机：下半月版,2012,(19)：50-53
[41]崔春生,吴祈宗.基于关联函数的推荐系统相似性研究[J].计算机工程与应用,2011,47(6)：223-242
[42]汤显,郭景峰,高英飞等.基于类别相似性的增量协同过滤推荐算法[J].计算机研究与发展,2006,43(23)：589-597
[43]崔春生.推荐系统中显式评分输入的用户聚类方法研究[J].计算机应用研究,2011,28(8)：2856-2858
[44]陈毅波,揭志忠,吴产乐等.基于同义标签分组的协同推荐[J].湖南大学学报(自然科学版),2011,38(5)：83-88
[45]王进.一种DSmTrust信任模型的推荐系统[J].计算机工程与应用,2011,47(13)：98-102
[2]赵国栋,姜中皎.高校“开放式教育资源”建设与发展模式研究[J].北京大学教育评论,2009,卷(3),34
[3]庞宏伟,薛晓春,李海峰.日本个性教育对我国素质教育的启示[J].日本问题研究,2008,卷(1)：49-51
[4]钱海娟.试析美国的个性化教育[J].内蒙古师范大学学报(教育科学版),2005,卷(1)：50-56
[5]王颖.网络环境下高校图书馆创新探析[J].农业图书情报学刊,2005,17(1)：38-4l
[6]陈雅,郑建明.我国图书馆个性化服务管理机制研究[J].图书与情报,2011,卷(1)：7-9
[7]杨晓湘,孙坦.中美图书馆MyLibrary个性化服务系统的比较研究[J].现代情报,2005,卷(10)：218-22l
[8]覃风兰.基于知识管理的高校图书馆个性化服务研究[J].图书馆,2007,卷(6)：72-74
[9]范并思,胡小菁.图书馆2.0：构建新的图书馆服务[J].大学图书馆学报,2006,24(1)：2-7.
[10]CYCLADES[EB/OL].http://www.ercim.org/cyclades/index.html.
[11]夏亚云.面向视障读者的泛在图书馆——-LG Sangnam图书馆研究[J].图书馆理论与实践,2011,(10)：103-105.
[12]S. Gibbons. Building upon the MyLibrary concept to better meet the information needs of college students [EB/OL].[2006/08/03].
[13]赵研科.当前高校图书馆信息服务存在的问题及其对策[J].湖南财经高等专科学校学报.2006,卷(2)：125
[14]Ciccone K.MyLibrary@NCState:A library portal after five years [J]. Journal of Library Administration,2005,43(1/2):19-35.
[15]刘建国,周涛,汪秉宏等.个性化推荐系统的研究进展[J].自然科学进展,2009,19(1)：l-15
[16]王立才,孟祥武,张玉洁等.上下文感知推荐系统[J].软件学报,2012,23(1)：1-20
[17]邓爱林,朱扬勇,施伯乐等.基于项目评分预测的协同过滤推荐算法[J].软件学报,2003,14(9)：1621-1628
[18]许海玲,吴潇,李晓东等.互联网推荐系统比较研究[J].软件学报,2009,20(2)：350-362
[19]伍之昂,庄毅,王有权等.基于特征选择的推荐系统托攻击检测算法[J].电子学报,2012,40(8)：1687-1693
[20]洪文兴,翁洋,朱顺痣等.垂直电子商务网站的混合型推荐系统[J].系统工程理论与实践,2010,30(5)：928-935
[21]李琳娜,张志平.基于复杂结构数据聚类的推荐系统[J].高技术通讯,2011,21(11)：1115-1120
[22]张靖,何发镁,邱云等.个性化推荐系统描述文件攻击检测方法[J].电子科技大学学 报,2011,40(2)：250-254
[23]彭飞,邓浩江,刘磊等.加入用户评分偏置的推荐系统排名模型[J].西安交通大学学报,2012,46(6)：74-86.
[24]郁雪,李敏强.基于PCA-SOM的混合协同过滤模型[J].系统工程理论与实践,2010,30(10)：1850-1854
[25]王有为,许博,卫学启等.基于用户访问序列聚类的网站导航系统[J].系统工程理论与实践,2010,30(7)：1305-1311
[26]周娜,廖文和,杨浩等.基于分类和关联规则的个性化产品推荐系统[J].高技术通讯,2004,14(11)：51-55
[27]陈雅茜.音乐推荐系统及相关技术研究[J].计算机工程与应用,2012,48(18)：9-16
[28]张富国.基于标签的个性化项目推荐系统研究综述[J].情报学报,2012,31(9)：963-972
[29]李聪,梁昌勇.基于n序访问解析逻辑的协同过滤冷启动消除方法[J].系统工程理论与实践,2012,32(7)：1537-1545
[30]吴湖,王永吉,王哲等.两阶段联合聚类协同过滤算法[J].软件学报,2010,21(5)：1042-1054
[31]黄创光,印鉴,汪静等.不确定近邻的协同过滤推荐算法[J].计算机学报,2010,33(8)：1369-1377
[32]陈雅茜.公共环境下的混合型音乐推荐系统的关键技术研究[J].计算机应用研究,2012,29(11)：4250-4253
[33]田超,覃左言,朱青等SuperRank基于评论分析的智能推荐系统[J].计算机研究与发展,2010,47(21)：494-498
[34]王国霞,刘贺平.个性化推荐系统综述[J].计算机工程与应用,2012,48(7)：66-76
[35]王国霞,王丽君,刘贺平等.个性化推荐系统隐私保护策略研究进展[J].计算机应用研究,2012,29(6)：2001-2008
[36]黄颖.改进的Apriori算法在电子商务推荐系统中的应用[J].计算机与数字工程,2012,40(8)：35-38
[37]刘庆鹏,陈明锐.优化稀疏数据集提高协同过滤推荐系统质量的方法[J].计算机应用,2012,32(4)：1082-1085
[38]吴恒亮.Web挖掘在电子商务推荐系统中的应用研究[J].中国商贸,2010,(4)：78-79)
[39]祁衰然,潘志成,罗敬等.大学选课推荐系统的数学模型[J].南开大学学报(自然科学版),2011,44(4)：50-55
[40]杨静.电子商务个性化推荐系统的构建[J].现代计算机：下半月版,2012,(19)：50-53
[41]崔春生,吴祈宗.基于关联函数的推荐系统相似性研究[J].计算机工程与应用,2011,47(6)：223-242
[42]汤显,郭景峰,高英飞等.基于类别相似性的增量协同过滤推荐算法[J].计算机研究与发展,2006,43(23)：589-597
[43]崔春生.推荐系统中显式评分输入的用户聚类方法研究[J].计算机应用研究,2011,28(8)：2856-2858
[44]陈毅波,揭志忠,吴产乐等.基于同义标签分组的协同推荐[J].湖南大学学报(自然科学版),2011,38(5)：83-88
[45]王进.一种DSmTrust信任模型的推荐系统[J].计算机工程与应用,2011,47(13)：98-102