曾子明，金鹏

基于用户兴趣变化的数字图书馆知识推荐服务研究*

曾子明，金鹏

针对用户的兴趣变化具有时间敏感性特点，文章提出基于用户兴趣变化的数字图书馆知识推荐模型。首先融合标签和时间等因素，通过用户使用标签的频率以及对资源的标注时间等信息构建用户-资源评分矩阵；然后结合协同过滤算法，计算目标用户最近邻从而完成知识推荐，并在此基础上设计个性化知识推荐服务模型；最后探讨系统知识推荐服务机制及其应用。

数字图书馆 知识推荐 兴趣变化 标签 协同过滤

0 引言

随着大数据时代到来，数字图书馆知识推荐服务面临新挑战。面对海量的知识资源，用户的选择更多，兴趣偏好具有时间性特点，会随着资源增加和自身需求而变化。因此，数字图书馆知识推荐服务需充分考虑用户兴趣的时间迁移特点，以解决用户兴趣的变化对推荐服务质量的影响。国内外学者利用用户对资源项目的评分时间，从而对资源项目设置一个时间衰减函数来反映用户兴趣偏好的潜在变化。邢春晓[1]通过借鉴心理学的遗忘理论，在协同过滤算法中考虑用户对资源项目的具体访问时间，以捕获用户兴趣的变化情况。Schanle M a[2]提出一个指数时间权重函数，结合基于内容的协同过滤算法来反映用户兴趣变化和解决冷启动问题。此外，用户对知识资源所使用的标签能在一定程度上体现出用户对该类知识的兴趣程度以及兴趣变化情况。……