孙梦婷+袁小群

[摘 要] 通过分析2003年至2016年中国知网发表的“图书情报与数字图书馆”领域关于协同过滤推荐的82篇文献，总结我国学术数据库协同过滤资源推荐的研究现状。通过对文献样本进行分类，发现目前该领域的研究重点主要集中于对学术数据库协同过滤推荐的推廣和对推荐算法本身的完善两个方面，且后者主要集中于对数据稀疏性问题和可扩展性问题的解决。通过进一步分析，发现国内研究人员主要通过结合基于内容的推荐、空值填补和推荐结果融合三种方法缓解数据稀疏性问题；通过聚类的方法缓解可扩展性问题。

[关键词] 学术数据库 协同过滤 资源推荐

[中图分类号] G230 [文献标识码] A [文章编号] 1009-5853 （2017） 04-0011-05

The Literature Review of Collaborative Filtering Recommendation in Chinese Academic Databases

Sun Mengting Yuan Xiaoqun

（School of Information Management， Wuhan University， Wuhan， 430072）

[Abstract] By studying 82 papers published in the CNKI from 2003 to 2016 on collaborative filtering of Information and Digital Library， we investigate the hottest topics of current and history on collaborative filtering of Information and Digital Library. By classifying these papers， we discover that domestic researchers are engaged in either propagating the collaborative filtering technique in academic databases or improving the algorithm， in which the main problems are data sparseness and extensibility. By analyzing the papers further， we discover that researchers prefer to combine the content-based recommend technique， custom data or different recommend results to solve the data sparseness problem， and turn to the clustering technique to solve the problem of extensibility.

[Key words] Academic database Collaborative filtering Information recommendation

1 引 言

近年来，学术资源数据库出版的信息数量呈几何增长，“信息超载”[1]现象越来越严重，“以用户为中心”的互联网理念要求出版商从不同的角度挖掘用户的显性及隐性需求，为用户提供个性化信息服务，节约用户的信息搜索成本。因此，如何利用互联网技术高效精准地为用户提供个性化信息服务，成为目前学术出版领域的研究重点之一。其中，协同过滤推荐技术就是解决这一问题的有效方法之一。近10年来，研究人员对如何完善协同过滤推荐技术以及如何将其应用于学术数据库展开了大量工作，但相应的文献总结较少。因此，本文通过分析2003年至2016中国知网发表的“图书情报与数字图书馆”领域关于协同过滤推荐……