协同过滤算法在专业推荐中的应用——以北京林业大学信息学院为例

大类分流时专业的选择决定了学生的就业方向,然而大多数学生并不能独立地选择合适的专业,所以"智能专业推荐"是十分必要的。该文通过阐述和分析协同过滤算法的特点和不足,提出了一种改进的协同过滤算法用于专业推荐中,解决了冷启动的问题,,提高了系统的可靠性。

基于微信公众平台的高校图书馆专业书目推荐研究

为学生借阅图书提供指导是高校图书馆的一项常规工作,对特定专业学生进行专业书目推荐服务则是此项工作的薄弱环节。从专业书目准备、专业书目推荐人、推荐时间等方面分析了制约专业书目推荐的关键因素,提出了基于微信公众平台实现专业书目推荐的方法,并对推荐系统进行分析与设计。

基于大数据的高校图书馆推荐系统仿真研究

通过利用华侨大学500百万条用户日志数据的实验和分析,对高校图书馆引入推荐系统进行了定性和定量的讨论包括:高校图书馆需要推荐系统,构建推荐系统的可行性方案比较和选择,协同过滤推荐算法的介绍、比较和选择,评测指标介绍,基于系统离线评测发现了基于局部近邻学习的有效性和实施相关细节讨论。讨论和相关结论所基于的实验规模是同类讨论里较大的,对院校和工业界同行有一定参考价值。

一种高校读者借阅偏好的个性化图书推荐

现有个性化图书推荐没有考虑受纸质图书的复本,构建读者及纸质图书属性矩阵、读者借阅偏好矩阵,定义基于页数的借阅时间、新书、图书类别的借阅权重。建立读者借阅偏好矩阵和读者属性矩阵的关联、读者借阅偏好矩阵和纸质图书属性矩阵的关联。根据教育部对高校大学生专业课程设置的特点、读者借阅记录的统计,在图书馆书库存在复本的情况下区分专业、非专业纸质图书推荐。在真实的借阅记录数据集上,实验验证提出方法的有效性。

图书馆学科文献推荐服务模型探讨

便捷高效的文献检索为科学研究提供有力支持。本文以图书馆为背景,结合人工智能方法提出学科文献推荐服务模型,为图书馆的学科建设提供参考。首先,简述了学科馆员在深入服务学科科研工作基础上给出的专业的文献推荐意见。其次,介绍了基于深度神经网络构建的人工智能文献推荐模型。两种模式都从各自的原理、意义及存在问题进行阐述。最后,将两种模式进行整合。本文提出了学科文献推荐服务模型并介绍其原理和意义,以期为图书馆学科文献推荐服务提供一种新的方法。

Expert recommendation system based on analyzing expertise and networks of human resources in National Science & Technology Information Service

This work aims to implement expert and collaborative group recommendation services through an analysis of expertise and network relations NTIS. First of all, expertise database has been constructed by extracting keywords after indexing national R＆D information in Korea （human resources, project and outcome） and applying expertise calculation algorithm. In consideration of the characteristics of national R＆D information, weight values have been selected. Then, expertise points were calculated by applying weighted values. In addition, joint research and collaborative relations were implemented in a knowledge map format through network analysis using national R＆D information.