摘要：随着数字图书馆的发展,高校图书馆的个性化推荐问题成为热点,而传统基于评分的推荐算法不适合高校图书馆的推荐需求。针对以上情况,本文在研究传统协同过滤算法的基础上,首先利用借阅记录中的数据构建评分矩阵,然后融合信任相似度对用户相似度进行改进,同时引入对新生、新书推荐的解决方法,最后通过对山东科技大学图书馆数据集的对比实验,结果表明,提出的方法有效解决了数据稀疏和冷启动的问题,具有更高的推荐精度。
分类：期刊> 自然科学与工程技术> 信息科技> 图书情报与数字图书馆
收录：CSSCI 南大期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：高校图书馆 个性化推荐 协同过滤 信任相似度
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
