管理系统类论文范文数据库与基于信息推荐的图书管理系统实践分析相关专升本毕业论文范文

《基于信息推荐的图书管理系统实践分析》

本文是管理系统方面专升本毕业论文范文和图书管理系统和实践和分析有关学术论文怎么写。

前言：图书管理系统是指通过计算机软件的方式,对图书进行信息化组织和管理,它使得管理人员能够高效地管理海量图书,并能让用户快速搜索和定位图书,从而为两者都提供快捷、方便的信息化服务.这种服务模式具有传统人工管理方式不可比拟的优势.因此,实现对图书进行智能化管理和服务是当前一个必然的趋势.

一、图书馆个性推荐概念及原理

(一)图书馆个性推荐的概念

图书馆个性推荐是指以读者的个人背景、专业、习惯、爱好和提出的特别要求等为依据,对每一位读者提供个性化推荐服务.

(二)个性化推荐原理

个性化推荐是信息的重组过程,是信息资源的再分配,是一种基于用户需求的个性化信息服务模式.其原理是以充分挖掘用户的个性化需求信息为前提,主动组织信息资源,并向用户推送其感兴趣的信息资源和信息服务.一方面是社会进步与图书馆自身发展的需要,有利于提高图书馆的科技能力与服务水平.另一方面节省用户获取有效文献信息时间,激发读者阅读兴趣,提高图书的使用效率,提高用户的满意度.

二、现有图书推荐算法

(一)基于数据挖掘的推荐

数据挖掘中的关联规则方法,通过已经评分或用户的借阅记录向用户推荐新的图书.基于概念分层的方法定义人口统计学属性,人口统汁学属性再把用户特征化.根据分类法把图书分为不同的类别,特定类别的用户对特定类别的图书感兴趣,这种方法称为knowledgegeneralized profile association rules.针对协同过滤推荐的数据稀疏性、冷启动问题,将关联规则应用到图书推荐系统.利用聚类算法对图书进行聚类,得到同一簇内图书的相似性较高,不同簇相似性低,再结合余弦相似性计算用户的相似性,得到目标用户的最终图书推荐.

(二)基于模糊语言学的推荐

模糊语言学在推荐系统得到广泛的应用.等基于模糊语言学,提出了多规则的推荐系统,并应用于大学图书馆.该系统为专门领域的研究人员推荐专门的资源,发现协同的可能性,并形成多规则群体.但表示用户的兴趣偏好需要大量复杂的信息,因而获取用户概貌比较难.研发模糊语言学的推荐系统,帮助研究人员和公司自动获取信息.不需要用户直接提供用户特征概貌的兴趣偏好向量,而是通过计算用户的不完整模糊语言兴趣偏好关系,得到用户的兴趣偏好.

(三)协同过滤推荐

协同过滤分为基于用户、基于项目、基于模型的算法.大致推荐过程为：

fl)建立mkn的用户一评价模型.

f2)由皮尔森相关系数、余弦相似性或修正的余弦楣似性等公式,计算目标用户与其他用户的相似性,得到目标用户的最近邻居N u等于Nl-N2 -,N i.

(31由最近邻居计算目标用户对目标项目的预测评分,将预测评分最高的TOP-N项目推荐给用户.在有足够的用户数据的时候,可向具有相同兴趣偏好的用户推送受欢迎的推荐.但数据往往是稀疏的.针对此问题,研究人员提出基于链接预测的协同过滤、评价矩阵列向量的协同过滤,结合心理学的遗忘规律及用户年龄、专业、职业、学历、性别等特征向量,改进了基于用户的协同过滤.

(四)基于内容的推荐

基于内容的推荐,在没有足够的数据下,可以向具有不同兴趣偏好的用户推荐非流行的项目.LIBRA是很早的基于内容的图书推荐系统,由每位用户提供的训练例子,使用贝叶斯学习算法,从Web提取图书的标题等信息,推荐图书.

(五)基于云计算的推荐

云模型是我国著名的李德毅院士提出的.云由期望值、熵、超熵表示,云模型转换了定性概念和数值表示的不确定.一个云包含很多个云滴.云的整体形状反映定性概念的特征.利用云计算模型计算项目间的相似性,解决数据稀疏性和算法的扩展性问题,有效提高基于项目协同过滤推荐算法的推荐质量.利用云模型计算知识层面的用户相似性,有效克服传统基于向量计算用户相似性的缺点.

三、图书智能推荐系统框架设计

这一部分是通过关联规则的挖掘和数据的准备来完成的.关联规则的挖掘是由频繁项集的扫描和关联规则生成这两部分组成,而数据准备则是将图书馆的web服务器实时用户文件和借阅历史进行扫描并生成相应文件. 首先进行的是数据准备工作,这一工作过程中会对数据进行必要的预先处理,规则挖掘的正确度和效率也受这一结果的影响.另外由于图书的历史数据和实时数据都存在大量冗余,也需要对数据进行必要的去噪和整理.之后进行的是关联规则的挖掘,这里会利用关联模式来发现用户浏览模式,通过对模式的分析得到读者的借阅规则,存储之后为后面的onhne部分服务.

(二)Online部分

Online部分运用Offline部分生成关联规则的集合,并且在同一时间内记录和检测用户的浏览过程,动态地为用户推荐相应的链接或者书目操作等服务.由读者推荐和图书馆服务器组成,服务器记录用户的操作数据,读者推荐服务通过匹配读者行为数据和Offline部分产生的有趣规则,给用户进行图书推荐服务.

四、结语

随着数字图书馆朝着越来越智能化的方向发展,图书馆需要提供给读者更加有针对性的图书自动推荐服务.通过本文的研究能够得到,作为图书智能推荐系统技术,可以提高囹书馆的服务水平和质量,为图书馆管理提供数据支持.在今后的研究中还需要进一步深入研究,以期能够更好的改进图书馆的服务质量和效率. 参考文献：

[1]陈宇亮,沈奎林．基于读者评论的图书推荐系统研究[Jl.图书情报导刊,2016 (9)：6-9．

[2]栾旭伦．大数据环境下高校图书馆个性化信息服务系统研究[J]．图书馆学刊,2014( 8)：118-121．

[3]曾子明,陈贝贝．融合情境下智慧图书馆个性化服务研究[J]．图书馆论坛,2016 (1)：57-63

管理系统论文参考资料：