基于协同过滤算法的高校图书馆图书推荐系统研究

基于协同过滤算法是个性化推荐系统中最基本、最常用的一种，而传统的基于用户的协同过滤算法存在着用户冷启动和高推荐率等问题。笔者针对目前图书推荐协同过滤算法运用中存在的问题，并根据高校图书馆的实际情况，提出相应的改进措施。笔者利用学生网络日志和读者借阅记录对用户进行相似性分析，有效解决了用户“冷启动”的问题，提高了推荐准确率。笔者利用时间衰减法建立用户兴趣模型，以便更好地关注用户的短期借阅行为，提高推荐准确率。与传统用户协同过滤方法相比，笔者提出了一种改进的用户协同过滤方法。结果表明，改进后的用户协同过滤方法具有更好的性能。