基于社會(huì)化媒體熱點(diǎn)發(fā)現(xiàn)的高校圖書館書目推薦研究.pdf

1、當(dāng)前社會(huì)，在大數(shù)據(jù)迅猛發(fā)展的勢(shì)頭下，信息量呈現(xiàn)出爆炸式增長(zhǎng)。面對(duì)海量數(shù)據(jù)的沖擊，越來越多的用戶需要個(gè)性化和針對(duì)性的信息推薦，高校圖書館作為高校學(xué)術(shù)研究的主要信息提供源，雖然在個(gè)性化信息資源推薦方面取得了一定研究進(jìn)展，但由于自身的封閉性和局限性，已有的資源推薦方法并沒有考慮過當(dāng)前社會(huì)熱點(diǎn)。另一方面隨著社會(huì)化媒體迅速崛起，微博、微信、BBS論壇等社交網(wǎng)絡(luò)每天都在以上億條的速度產(chǎn)生用戶生成內(nèi)容。這些內(nèi)容直接反映了當(dāng)前社會(huì)熱點(diǎn)及全民信息關(guān)注點(diǎn)，

2、具有很高的信息價(jià)值。因此突破高校圖書館信息資源的局限性，將社會(huì)熱點(diǎn)與高校信息資源相結(jié)合引入到資源推薦當(dāng)中去，對(duì)于高校圖書館自身的建設(shè)具有重要的意義。
　　為了提高高校圖書館資源服務(wù)的有效性和精準(zhǔn)性，本文將社會(huì)化媒體熱點(diǎn)發(fā)現(xiàn)引入到高校圖書館信息資源推薦的研究中去，通過改進(jìn)熱點(diǎn)發(fā)現(xiàn)算法實(shí)現(xiàn)從社會(huì)化媒體中發(fā)現(xiàn)當(dāng)前學(xué)科領(lǐng)域的熱點(diǎn)和研究前沿，在已經(jīng)獲取熱點(diǎn)的基礎(chǔ)上，進(jìn)而提出一種結(jié)合了當(dāng)前熱點(diǎn)的基于內(nèi)容的高校圖書館書目資源推薦方法，這種個(gè)性化

3、書目資源推薦方法既考慮了當(dāng)前領(lǐng)域內(nèi)的熱點(diǎn)又照顧到用戶興趣，使得用戶能夠獲得既符合自身興趣又符合當(dāng)前研究趨勢(shì)的信息資源。
　　本文首先對(duì)國(guó)內(nèi)外熱點(diǎn)發(fā)現(xiàn)及信息資源推薦相關(guān)研究進(jìn)行梳理總結(jié)，指出目前在這兩方面國(guó)內(nèi)外的研究進(jìn)展、未來的趨勢(shì)及研究的不足；其次詳細(xì)介紹了社會(huì)化媒體的內(nèi)涵及特征，同時(shí)對(duì)熱點(diǎn)發(fā)現(xiàn)及個(gè)性化資源推薦的相關(guān)知識(shí)進(jìn)行了梳理，包括熱點(diǎn)發(fā)現(xiàn)的定義、過程、規(guī)則、方法，幾種基于數(shù)據(jù)挖掘的熱點(diǎn)算法的比較，個(gè)性化推薦用戶建模的相關(guān)知識(shí)

4、以及常用的幾種資源推薦算法。
　　再次，本文在已有熱點(diǎn)算法研究的基礎(chǔ)上提出一種將OPTICS密度聚類算法與改進(jìn)的Single-Pass算法相結(jié)合的二次聚類熱點(diǎn)發(fā)現(xiàn)算法，通過實(shí)驗(yàn)驗(yàn)證發(fā)現(xiàn)，將密度聚類算法與增量聚類算法相結(jié)合，能夠避免傳統(tǒng)增量聚類算法自身缺陷導(dǎo)致的聚類結(jié)果不精確，從而實(shí)現(xiàn)快速有效地從社會(huì)化媒體中挖掘到當(dāng)前學(xué)科領(lǐng)域內(nèi)熱點(diǎn)話題。
　　最后，本文在已獲取的熱點(diǎn)的基礎(chǔ)上，結(jié)合個(gè)性化推薦算法中基于內(nèi)容的推薦算法，對(duì)傳統(tǒng)算法