基于隱式主題模型的個性化圖書推薦系統(tǒng)研究與實現(xiàn).pdf

1、圖書推薦是個性化推薦系統(tǒng)研究與應用的一個重要方向，可以幫助用戶在大規(guī)模的圖書資源中快速找到滿足自己需求的圖書。圖書推薦系統(tǒng)通過基于內(nèi)容或基于歷史記錄等推薦方法，挖掘圖書之間的相關(guān)性及用戶的需求，以此作為推薦依據(jù)，向用戶推薦相關(guān)的圖書，最終提高信息服務的質(zhì)量。
　　針對傳統(tǒng)的空間向量模型TF-IDF方法無法有效地分析圖書主題之間的相關(guān)性這一問題，本文通過使用隱式主題模型，將圖書介紹文本表示為圖書的主題概率分布形式，挖掘每篇圖書文本的

2、潛在主題與結(jié)構(gòu)。在LDA隱式主題模型所引入的主題向量空間基礎(chǔ)上，不僅對圖書介紹文本進行了降維處理，而且通過比對不同圖書中所隱含的主題結(jié)構(gòu)，可以進一步應用基于概率的相似性度量方法發(fā)現(xiàn)圖書之間的主題相似性，為用戶提供基于主題相似性的圖書推薦方法。
　　本文的研究內(nèi)容主要包括三個部分：
　　1.基于LDA圖書隱式主題模型的圖書推薦：根據(jù)LDA算法，把圖書介紹文本解析為主題概率分布，使用相似性度量方法，實現(xiàn)基于主題相似性的圖書推薦；

3、
　　2.基于用戶隱式主題模型的圖書推薦：在圖書LDA隱式主題模型的基礎(chǔ)上，考慮不同用戶自身的興趣和需求，構(gòu)建用戶的主題興趣模型，實現(xiàn)基于主題相似性的用戶個性化圖書推薦；
　　3.基于Java的個性化圖書推薦系統(tǒng)的設計與實現(xiàn)：在基于圖書主題和基于用戶主題的推薦算法的基礎(chǔ)上，利用JavaWeb開發(fā)并實現(xiàn)基于MVC架構(gòu)下的圖書推薦原型系統(tǒng)。
　　本文使用從網(wǎng)絡收集的圖書數(shù)據(jù)集對所研究的算法進行了實驗，并與基于傳統(tǒng)的空間向量