基于随机Petri网的图书相似重复属性记录存证系统

针对图书数量和种类较多,存在大量相似重复属性,设计了基于随机Petri网的图书相似重复属性记录存证系统。使用基于RFID读取器的数据输入装置,读取RFID标签上的信息。通过基于分布式文件系统的存证广场管理,查找所需要文件或证据,防止数据泄露。在用户接口装置中,利用随机Petri网来建模用户界面,方便用户存证。采用记录级别的相似度重复检测算法来衡量属性之间的相似度,根据相似度分值计算结果,标记时间戳,分析库所变迁的数据状态和变化,完成基于随机Petri网的记录存证方案设计。依据变迁行为规则,实现图书相似重复属性记录存证。由实验结果可知,该系统查准率、查全率的平衡点更接近1,存证时间在10 ms以内,可以有效完成图书相似重复属性记录存证。

基于细粒度评论挖掘的在线图书相似度计算研究

【目的/意义】通过深度学习方法对图书评论进行细粒度挖掘,并基于挖掘结果优化图书间相似度计算结果。【方法/过程】首先从在线书评网站上采集图书评论,对评论进行词性分析构建属性词表,随后基于属性词表对评论进行类型标注,通过BERT-BiLSTM模型对标注数据进行学习以实现评论自动分类,最后通过BERT对分类后的评论进行向量表示,通过余弦相似度计算评论间的相似度以表征图书相似度。【结果/结论】本文构造的BERT-BiLSTM评论分类模型准确率、召回率和F1值分别达到0.922、0.921和0.921,可以较好地实现评论分类。通过模型将评论划分为文笔、人物、情节、概要、读者态度5种类型来计算图书间相似度可以得到较为契合的相似度结果。【创新/局限】相较于其他类型的评论,通过人物与情节类评论计算图书相似度的效果有待提高。以后可对这两类评论进行更为细粒度的分析。

图书信息检索中读者兴趣偏好挖掘模型的建立仿真

针对传统挖掘模型对图书信息检索中读者兴趣偏好数据进行挖掘时,存在的挖掘效率低、耗时长等问题,提出基于聚类分析的读者兴趣偏好挖掘模型.采用分类索引分布树法对图书相似度与读者兴趣距离进行计算,通过兴趣因子对兴趣偏好度进行度量,并以此为基础,采用相关反馈模型Rocchio算法对读者兴趣图书检索进行扩展,引入聚类分析法建立图书信息检索中读者兴趣偏好挖掘模型.实验仿真结果表明,采用改进模型时,其挖掘效率、时间及误差均优于传统模型.

基于概念格的图书协同推荐研究

提出一种基于概念格的图书协同推荐方法。首先建立用户与图书之间的概念格,然后根据概念格中图书节点之间的继承关系,从下向上回溯用户之间的共同偏好,快速计算用户之间的相似度,以确定目标用户的"最近邻居"。最后通过计算协同推荐值,实现对目标用户推荐其可能感兴趣的图书,从而为图书的协同推荐提供支持。