發(fā)布時間：2023-04-05 03:17

　　隨著人們文化水平的提高和不斷增長的求知欲,社會圖書館越來越受到人民群眾的歡迎,前往各大社會圖書館借閱書籍、刊物、文獻等資料成為了大眾業(yè)余文化生活的重要組成部分,這也是彰顯一個城市文明程度水平的重要指標。伴隨著信息化的不斷發(fā)展和互聯(lián)網的普及應用,圖書館陸續(xù)推出了面向讀者的借閱服務平臺,可以讓讀者輕松地在網上完成書籍借閱服務。而如何讓讀者在浩瀚的書海中找尋自己感興趣的書籍也成了圖書館行業(yè)的一大課題。本文將個性化推薦理論應用到圖書借閱行為上,旨在幫助讀者更加快速便捷地找尋到匹配自己喜好的圖書。本文不僅使用了傳統(tǒng)的推薦系統(tǒng)基礎算法對讀者借閱數據進行分析挖掘,更利用Word2vec對圖書信息中的書名、摘要等文本信息進行詞向量表示。同時引入了深度學習中的自然語言處理(NLP)技術對圖書書名和圖書摘要組成的詞向量組進行語義抽取,得到關于圖書的特征信息。并對讀者的歷史借閱記錄進行數據挖掘,提取出讀者的圖書借閱偏好特征,隨后將兩者進行匹配提供更加適合讀者的個性化推薦方案�？紤]到讀者的借閱喜好會隨著所閱讀書目和借閱時間的改變而改變,本文引入RNN循環(huán)神經網絡來對讀者不同時間的歷史借閱數據進行挖掘,以求尋找...

【文章頁數】：56 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 引言
    第一節(jié) 選題背景和意義
        一、選題背景
        二、理論意義與實用價值
    第二節(jié) 研究思路與研究方法
        一、研究思路
        二、研究方法
        三、論文結構安排
第二章 文獻綜述
    第一節(jié) 深度學習綜述
    第二節(jié) 推薦系統(tǒng)綜述
        一、基于協(xié)同過濾的推薦算法
        二、基于內容的推薦算法
        三、基于知識的推薦算法
        四、基于集成的混合推薦算法
    第三節(jié) 推薦系統(tǒng)評估綜述
        一、推薦系統(tǒng)的評估指標
        二、推薦系統(tǒng)的評估方法
    第四節(jié) 本章小結
第三章 實驗數據描述
    第一節(jié) 數據來源
        一、數據描述
        二、訓練數據與測試數據的生成
    第二節(jié) 數據預處理
    第三節(jié) 本章小結
第四章 圖書借閱推薦模型的構建
    第一節(jié) 基于概率矩陣分解的推薦模型
        一、模型構建描述
        二、模型訓練效果
    第二節(jié) 基于深度學習的推薦模型
        一、模型構建描述
        二、模型訓練過程描述
        三、模型的輸入和輸出
        四、模型訓練效果
    第三節(jié) 混合推薦模型
        一、Attention機制概述
        二、加入Attention機制抽取讀者行為特征
        三、結合PMF和深度學習的混合推薦模型
        四、混合推薦模型的訓練效果
    第四節(jié) 圖書借閱推薦模型結果對比
    第五節(jié) 本章小結
第五章 總結與展望
    第一節(jié) 總結
    第二節(jié) 展望
參考文獻
致謝
個人簡歷



本文編號：3782619