基于內(nèi)容的電子書和作者推薦方法研究.pdf

1、隨著互聯(lián)網(wǎng)的迅速普及，電子書及作者資源變得越來越豐富，但在海量的資源中讀者卻越來越難以發(fā)現(xiàn)真正感興趣的信息，而推薦系統(tǒng)能夠快速地幫助讀者選擇感興趣的、有價值的信息。在實際生活當中，讀者更傾向于閱讀題材內(nèi)容相同者相似的圖書，或者閱讀與自己喜愛的作者寫作風(fēng)格內(nèi)容相近的作者所著的圖書。所以，個性化的電子書推薦和作者推薦成為網(wǎng)上書城比較關(guān)注的熱點問題。因此，本課題對基于內(nèi)容的電子書推薦和作者推薦方法的研究具有重要的實用價值。本課題主要研究內(nèi)容如

2、下：
　　在基于內(nèi)容的電子書推薦方面，傳統(tǒng)一些文本處理模型針對短文本研究較多，對長文本研究較少，因為與短文本（如新聞）相比，長文本（如電子書）存在預(yù)處理維度更高、更復(fù)雜，文本語義關(guān)系更難度量等問題。本課題從電子書權(quán)威網(wǎng)站爬取電子書全文文本，構(gòu)造實驗長文本數(shù)據(jù)集，針對電子書長文本維度高、處理復(fù)雜等特點，采用分治的思想，將長文本分割成若干部分，提出了多維潛在語義算法模型，通過構(gòu)建詞語義關(guān)系圖譜矩陣，來表達文本語義關(guān)聯(lián)性的特征。針對長文

3、本語義關(guān)系難度量的特點，采用融合全局和局部語義的相似性距離，對電子書文本內(nèi)容相似性進行衡量，并對實驗涉及的參數(shù)進行一系列實驗研究。實驗結(jié)果表明，多維潛在語義算法模型在五種量化評價指標的衡量下，優(yōu)于傳統(tǒng)的其他文本處理模型；
　　在基于內(nèi)容的電子書作者推薦方面，研究大多集中在專家推薦，并且推薦里使用的特征比較單一。針對上述問題，本課題利用爬蟲程序，從電子商務(wù)網(wǎng)站爬取與作者相關(guān)的三種異構(gòu)特征，即電子書作者簡介、作者所著書摘要以及讀者評論