一种改进的协同过滤方法在高校图书馆图书推荐中的应用

[目的/意义]为解决高校图书推荐过程中面临的"数据稀疏"和"冷启动"问题,研究表明:优化读者评价矩阵和相似度模型是提高图书推荐质量的关键。[方法/过程]提出一种协同过滤改进方法,以图书分类为项目生成用户评价矩阵,并考虑借阅方式、借阅时间和图书相似度对用户兴趣度的影响,优化矩阵中的样本数据;同时,在计算读者相似度时融入读者特征和图书特征。[结果/结论]实验结果表明,该方法可有效解决"数据稀疏"和"冷启动"问题,显著降低计算量。与基本协同过滤和聚类改进的协同过滤方法相比,无论是在推荐准确率还是在用户满意率上都有较大的提高,综合推荐效果更好。