基于hadoop的高校圖書館個性化信息服務研究

1、分類號：密級：T P 3 9 1 單位代碼：學 號：1 0 0 8 62 0 13 2 0 6 0 0 8 0基于H a d o o p 的高校圖書館個性化信息服務研究R e s e a r c h o n P e r s o n a l i z e dI n f o r m a t i o n S e r v i c eo fU n i v e r s i t y L i b r a r y B a s e d o nH a d o

2、o p學位申請人：趙鵬博指導教師：韓憲忠教授學科專業(yè)：計算機應用技術學位類別：工學碩士授予單位：河北農(nóng)業(yè)大學答辯日期：二。一六年六月四日摘要隨著信息時代的到來，數(shù)據(jù)呈爆炸式增長，如何從海量數(shù)據(jù)中找到用戶的興趣點，并將用戶感興趣的物品推薦給用戶，成為當今各領域研究的熱點。同樣在各高校圖書館中，如何解決信息資源過載并找到用戶感興趣的圖書推薦給用戶，成為建立智慧圖書館個性化服務的重要研究方向。論文提出在個性化信息服務中，通過分析用戶的行為信息

3、，構建用戶興趣模型，并在用戶模型的基礎上，準確理解在校用戶的個性化需求，設計高效的推薦算法為用戶進行推薦，提高用戶滿意度；同時采用H a d o o p 技術框架并行化處理數(shù)據(jù)，提高計算效率。論文主要的工作如下：1 ．對高校圖書館書籍分類進行了研究，結合大型圖書商城的分類、《中圖法》、《中分表》等對圖書進行了分類。2 ．挖掘用戶興趣愛好，建立用戶興趣模型。首先根據(jù)在校用戶填寫的信息或者用戶的屬性信息初始化用戶興趣模型；然后根據(jù)用戶的瀏覽

4、行為建立用戶短期興趣模型，并通過用戶行為借閱時間、瀏覽次數(shù)、收藏、評分歸一化加權建立用戶長期興趣模型，不斷更新用戶興趣庫，獲取用戶喜好信息。3 ．圖書推薦算法研究。根據(jù)用戶對圖書的評分信息，為用戶進行協(xié)同過濾推薦。當基于用戶瀏覽行為建立短期用戶模型時，找到用戶偏好圖書類別中近期瀏覽次數(shù)較高的的圖書，為用戶推薦與這些圖書相似較高的圖書；當基于用戶多行為建立長期用戶模型時，根據(jù)用戶已有的評分，預測用戶偏好圖書類別中未評分的圖書，推薦給用戶預

5、測評分較高的圖書，并利用M A E 值對預測評分和通過用戶調查得到的實際評分進行比較，發(fā)現(xiàn)利用修正余弦進行相似度計算推薦精確度最高。對于圖書館中的新書和熱門圖書，采用基于內容的推薦，并分別解決了新書和新用戶的冷啟動問題。最后通過實驗驗證了圖書推薦算法在一定程度上滿足了用戶的個性化需求。4 ．搭建了基于H a d o o p 的偽分布式實驗環(huán)境，對基于用戶．圖書評分的協(xié)同過濾算法進行了并行化設計，實驗結果表明并行化算法可提高計算效率。關鍵