乔亚飞, 张 霞, 张文博



智能图书系统中的个性化推荐①

乔亚飞1, 张 霞1, 张文博2

1(武汉大学印刷与包装系, 武汉 430079)2(广州博冠信息技术有限公司, 广州 510000)

互联网时代的到来造成知识的“过度”传播, 知识点的分散和无组织使得有系统学习要求的用户无从下手, 用户对专业知识的查找、学习变得困难, 如何面向用户实现个性化的知识推荐是智能图书系统中需要解决的关键问题之一. 本文利用上下文偏好提取技术, 获取用户的兴趣度. 在基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法的基础上引入时间加权因子, 较好地解决了对新用户推荐时产生的“冷启动”问题, 实现了服务推荐结果的个性化.

智能图书; 协同过滤推荐算法; 时间加权; 上下文信息

在网络快速发展的背景下, 如何将知识以一种更有效率、更全面的方式组织起来, 供不同需求的人进行学习是知识学习领域的重要研究课题. 智能图书系统是基于上下文感知计算的智能化知识学习的系统, 能够根据用户的不同特点和需求, 提取异构系统中的信息, 自动生成基于用户水平层次与兴趣方向的知识结构体系, 以供用户使用[1-3]. 针对不同的用户进行个性化的知识推荐是智能图书系统的主要功能之一. 本文以传统的Item-based 和 User-based 协同过滤算法为基础, 对用户进行上下文偏好的提取, 获取用户的兴趣特征, 再将上下文信息引入到协同过滤推荐算法中去, 自动生成适应用……