科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着图书馆藏书数量的逐年增加，对于读者而言，从大量符合基本条件的图书中找出完全满足自己要求的已经越来越难了，特别是在这种检索只是基于标题或者作者等简单关键词的前提下。基于此，文章提出了一个基于混合算法的图书个性化推荐系统。首先研究了协同过滤和基于内容的推荐算法在图书推荐中的应用，包括用户分类及相似度的计算、建立条目评分矩以及构建向量空间模型。并针对高校图书和读者的特点，改进了用户条目评分矩阵，采用聚类方法来缓解数据稀疏性问题，利用混合算法对安庆师范大学图书馆的藏书数据集进行对比实验。结果表明，与传统方法相比，混合方法能提供更准确的建议。最后，利用Hadoop的Spark大数据平台实现个性化图书推荐系统架构设计。
- 单位
