书书书
《现代图书情报技术》版权所有,欢迎下载引用!
请注明引用地址:基于最大频繁模式挖掘算法进行书目推荐系统的设计与实现[J],现代图书情报技术,2010(5):23-28.
XIANDAITUSHUQINGBAOJISHU
23
基于最大频繁模式挖掘算法进行书目推荐
系统的设计与实现
赵 麟
(南开大学图书馆 天津 300071)
【摘要】以南开大学图书馆 Unicorn系统为基础,介绍基于最大频繁模式挖掘算法的书目推荐系统的设计与实现,
详细描述利用 Unicorn系统中积累的借阅数据分析读者的行为模式,提供个性化书目推荐的方法。该系统利用图
书馆现有资源拓展读者服务,可以提高现行自动化借阅系统的使用效率。
【关键词】个性化书目推荐 数据挖掘 频繁模式树 最大频繁模式 频繁模式增长
【分类号】G250.7
TheDesign and Implementation oftheBibliographicRecommendation
System BasedonMaximalFrequentPatternsMiningAlgorithm
ZhaoLin
(NankaiUniversityLibrary,Tianjin300071,China)
【Abstract】OnthefoundationoftheUnicornsysteminNankaiUniversityLibrary,thispaperintroducesthedesignand
implementationofbibliographicrecommendationsystembasedonmaximalfrequentpatternsminingalgorithm.Itdescribes
theprocessofanalyzingthereaders’behaviorpatternsbyfullyutilizingtheaccumulationdatacollectedintheUnicorn
systemindetails,soastoofferpersonalizedbibliographicrecommendationservice.Byusingthissystem,theacademic
librarycaneffectivelyexpanddifferentservicepatternstoreadersonavailablesources
,andimprovetheefficiencyofthe
existingautomatedcirculationsystem.
【Keywords】Personalizedbibliographicrecommendation Datamining Frequentpatterntree(FP-Tree)
Maximalfrequentpatterns FP-Growth
收稿日期:2010-03-01
收修改稿日期:2010-05-11
1 引 言
当前,几乎所有的图书馆都向读者提供了网上书目检索服务。然而,试图用简单的检索条件覆盖所有有价值
信息的想法显然是不现实的,作为书目检索服务的有益补充,书目推荐服务越来越受到人们的重视。
目前,国内外许多图书馆都向读者推出了自己的书目推荐系统,如中国人民大学数字图书馆的 KBDL
[1]
,采用
协同过滤的方法
[2]
,根据读者注册时所选择的研究方向和个人兴趣提供推荐服务;斯坦福大学的 Fab
[3]
、麻省理工
学院的 Letizia
[4]
、清华大学的 OpenBookmark
[5]
等系统则采用基于内容推荐
[2]
的算法,自动向读者提供与检索目标
相似的数据资源;中国国家图书馆的书目推荐
[6]
则借助图书馆员和学科专家的专业知识,以馆员的信息单向传递
为主。
总第 192期 2010年 第 5期