为给读者提供更加精准的推荐服务，提出了一种基于用户偏好行为数据的数字图书馆资源推荐方法。从用户对数字图书馆资源的偏好行为中提取浏览、评论、下载三种数据，结合用户资源评分，构建用户偏好行为数据推荐模型。在确定模型中参数取值以确保模型方法最优推荐精度后，与传统推荐方法进行实验比较。通过实验验证该方法模型在准确率、召回率方面均优于传统的协同过滤方法，有效解决了资源评分数据稀疏性的问题。
科研之友
微信
新浪微博
Facebook
分享链接
