基于跨域协同的移动图书馆个性化推荐模型研究

被引：10

作者：

李宇航

夏绍模

程华亮

机构：

[1] 后勤工程学院图书馆

来源：

情报科学 | 2017年 / 03期

关键词：

迁移学习; 跨域协同; 用户粘度;

D O I：

10.13833/j.cnki.is.2017.03.015

中图分类号：

G250.7 [图书馆自动化、网络化];

学科分类号：

1205 ; 120501 ;

摘要：

【目的/意义】在大数据环境下,借鉴迁移学习概念,对移动图书馆收集的用户评分数据进行分析解决个性化推荐问题。【方法/过程】构建跨域协同过滤模型,共享跨域特征信息,重构评分矩阵实现个性化推荐。【结果/结论】案例结果表明跨域协同过滤模型能够解决移动图书馆推荐系统初期数据量较少的冷启动问题,并具有良好的应用性。同时实现了对用户多个领域的兴趣挖掘,增加了用户粘度。

引用

页码：82 / 86

页数：5

共 20 条

[1]

Relational learning via collective matrix factorization. Singh A P,Gordon G J. The 14th ACM SIGKDD international conference on Knowledge discovery and data mining . 2008

[2]

"On the equivalence of nonnegative matrix factorization and spectral clustering,". C.Ding,X.He,H.Simon. SDM . 2005

[3]

Orthogonal nonnegative matrix t-factorizations for clustering. Ding C,Li T,Peng W,et al. The 12th ACM SIGKDD international conference on Knowledge discovery and data mining . 2006

[4]

Cross-Domain Collaborative Filtering-A Brief Survey. B.Li. 23rd IEEE International Conference on Tools with Artificial Intelligence . 2011

[5]

Adaptive Transfer Learning. B Cao,S J Pan,Y Zhang,D -Y Yeung,Q Yang. PROCEEDINGS OF THE NATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE . 2011

[6] “211工程”高校图书馆馆藏资源推荐系统调查探析 [J].

李民 ;

王颖纯 ;

刘燕权 .

图书情报工作, 2016, 60 (09) :55-60

[7] 基于内部网络结构的知识推荐系统设计研究 [J].

赵英 ;

袁莉 .

情报杂志 , 2012, (01) :161-165

[8] 网络化信息环境中信息过载问题研究综述 [J].

蔺丰奇 ;

刘益 .

情报资料工作, 2007, (03) :36-41+48

[9]

Matchbox: Large Scale Online Bayesian Recommendations. D. Stern,R. Herbrich,T. Graepel. 18th international conference on World Wide Web (WWW) . 2009

[10]

Information Overload. Tidline T J. Encyclopedia of library and information sciences . 2010

← 1 2 →