針對(duì)科研成果的個(gè)性化推薦系統(tǒng)的研究與應(yīng)用.pdf

1、近年來(lái)，隨著Internet的普及，網(wǎng)絡(luò)上出現(xiàn)了大量信息。這些信息中，有些可以很容易就能獲取到，而有很多信息都“隱藏”在網(wǎng)絡(luò)的角落中，使得用戶很難得到。針對(duì)這樣的情況，個(gè)性化推薦油然而生。它可以在一定程度上幫助用戶找到他們感興趣的內(nèi)容。在我國(guó)，隨著信息技術(shù)的飛速發(fā)展和應(yīng)用領(lǐng)域的不斷拓展，特別是近年來(lái)國(guó)家對(duì)科研投入地逐步加大，每年的科研成果數(shù)量急劇增長(zhǎng)。因此科研人員在查找和檢索相應(yīng)科研成果的時(shí)候需要花費(fèi)大量的時(shí)間和精力，并且還要甄別該成果

2、對(duì)自己是否具有幫助。所以科研人員也同樣需要面對(duì)如何更快速準(zhǔn)確的獲取有用信息這個(gè)問(wèn)題。
　　為了解決這個(gè)問(wèn)題，以便科研人員能夠快速得到有用信息，避免他們?cè)诳蒲兄兄貜?fù)研究，重復(fù)立項(xiàng)。本文在基于內(nèi)容過(guò)濾的推薦算法以及基于用戶的協(xié)同過(guò)濾推薦算法基礎(chǔ)上，提出了一套針對(duì)科研成果的個(gè)性化混合推薦算法。該算法首先利用x2統(tǒng)計(jì)的方法提取科研成果相關(guān)特征詞，然后通過(guò)樸素貝葉斯分類將科研成果進(jìn)行分類，接著使用TF-IDF統(tǒng)計(jì)方法計(jì)算出每個(gè)特征詞的權(quán)重，

3、從而形成科研成果的特征向量，再接著利用科研成果的特征向量、用戶行為和基本屬性數(shù)據(jù)計(jì)算出用戶的特征向量，最后通過(guò)用戶和科研成果的特征向量得出推薦結(jié)果。通過(guò)實(shí)驗(yàn)證明，該算法的速度和推薦準(zhǔn)確度都有不俗的表現(xiàn)。
　　同時(shí)文本在提出算法的基礎(chǔ)上，將其運(yùn)用到了針對(duì)科研成果的個(gè)性化推薦系統(tǒng)中，針對(duì)研究人員研究領(lǐng)域的連貫性通過(guò)引入用戶師生關(guān)系，在一定程度上解決了推薦系統(tǒng)冷啟動(dòng)的問(wèn)題同時(shí)也可以方便用戶查看其他有關(guān)聯(lián)用戶的研究進(jìn)展，提高了科研人員的學(xué)