连锲

摘 要：高校图书馆馆藏资源日益丰富，传统的图书检索功能已经无法满足读者的需求，主动推送所需资源是提高图书馆服务质量的重要途径。文章根据读者的专业、年级等特点，根据兴趣漂移理论，设计了一个符合高校读者借阅行为的兴趣模型，利用遗忘曲线来动态调整模型中项目和项目权重，解决了读者兴趣的更新和存储。实验表明，这种建模方法能提供较为精确的读者兴趣描述，将其与协同过滤算法相结合可以产生较为准确的图书项目推荐。

关键词： 高校图书馆；个性化推荐系统；协同过滤；兴趣模型

中图分类号： TP311.13 文献标志码：A 文章编号：1673-8454（2018）10-0087-03

一、高校图书馆推荐系统现状

个性化推荐技术在1990年代一经提出，国外就开始尝试应用于数字图书馆的个性化推荐服务。受到亚马逊、Yahoo等大型电子商务网站个性化服务成功应用的启发，一些国外高校经过多年广泛的研究和实践，纷纷建立了Mylibrary。其中比较典型的有美国Cornell University图书馆Mylibrary@ cornell和North Carolina State University图书馆的Mylibrary@NCState[1]。Mylibrary@ cornell系统于1999年正式上线，该系统已经发展成为数字化图书馆个性化推荐服务的原型[2]。近年来，我国高校图书馆加强了对个性化推荐技术和服务的研究。2000年初，国家社科资金项目资助并由北京大学承担了——“基于Web的数字图书馆定制系统”。中国人民大学的数字图书馆Kingbase DL，通过记录和分析用户描述信息，构建读者概貌，进而产生与之匹配的图书推荐[3]。国家科学数字图书馆对北卡罗莱纳州立大学Mylibrary@NCState进行了二次开发[4]。……