摘要：大数据环境下,推荐系统项目评分的稀疏性问题愈加突出。如何从大数据中挖掘出与用户精准匹配的服务信息并及时推荐给相应用户,成为大数据时代移动数字图书馆个性化服务亟待解决的问题。本文在系统回顾相关研究进展的基础上,提出了面向大数据移动数字图书馆情境化推荐系统,通过融合用户的情境信息进行协同过滤推荐（CF）,基于此缓解数据稀疏性导致的推荐性能下降问题;同时采用MapReduce的并行处理方式,以此提高大数据的并行挖掘性能。
分类：期刊> 人文社会科学> 经济与管理科学> 信息经济与邮政经济
收录：CSSCI 南大期刊(含扩展版) > 北大期刊(中国人文社会科学期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：大数据 移动数字图书馆 协同过滤 情境化推荐 个性化服务
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
