基于隐式主题模型的个性化图书推荐系统研究与实现

摘要

图书推荐是个性化推荐系统研究与应用的一个重要方向，可以帮助用户在大规模的图书资源中快速找到满足自己需求的图书。图书推荐系统通过基于内容或基于历史记录等推荐方法，挖掘图书之间的相关性及用户的需求，以此作为推荐依据，向用户推荐相关的图书，最终提高信息服务的质量。
　　针对传统的空间向量模型TF-IDF方法无法有效地分析图书主题之间的相关性这一问题，本文通过使用隐式主题模型，将图书介绍文本表示为图书的主题概率分布形式，挖掘每篇图书文本的潜在主题与结构。在LDA隐式主题模型所引入的主题向量空间基础上，不仅对图书介绍文本进行了降维处理，而且通过比对不同图书中所隐含的主题结构，可以进一步应用基于概率的相似性度量方法发现图书之间的主题相似性，为用户提供基于主题相似性的图书推荐方法。
　　本文的研究内容主要包括三个部分：
　　1.基于LDA图书隐式主题模型的图书推荐：根据LDA算法，把图书介绍文本解析为主题概率分布，使用相似性度量方法，实现基于主题相似性的图书推荐；
　　2.基于用户隐式主题模型的图书推荐：在图书LDA隐式主题模型的基础上，考虑不同用户自身的兴趣和需求，构建用户的主题兴趣模型，实现基于主题相似性的用户个性化图书推荐；
　　3.基于Java的个性化图书推荐系统的设计与实现：在基于图书主题和基于用户主题的推荐算法的基础上，利用JavaWeb开发并实现基于MVC架构下的图书推荐原型系统。
　　本文使用从网络收集的图书数据集对所研究的算法进行了实验，并与基于传统的空间向量模型TF-IDF方法的推荐结果进行了对比，结果表明在本文所使用的方法能够为用户提供更为符合隐式主题兴趣的推荐结果。

目录

中文摘要

英文摘要

目录

1 绪论

1.1 课题研究背景和意义

1.2 图书推荐系统的研究现状

1.3 论文的主要工作和组织结构

2 相关理论概述

2.1 引言

2.2 主题模型简介

2.3 推荐方法简介

2.4 推荐系统的评价标准

2.5 推荐系统的难题和挑战

2.6 本章小结

3 基于图书隐式主题模型的推荐算法

3.1 引言

3.2 图书数据及预处理

3.3 基于LDA的图书隐式主题模型

3.4 图书主题相似性比对

3.5 基于图书主题模型的推荐算法

3.6 实验

3.7 本章小结

4 基于用户隐式主题模型的推荐算法

4.1 引言

4.2 用户借阅行为

4.3 用户的主题兴趣模型

4.4 基于用户主题兴趣模型的图书推荐

4.5 实验结果

4.6 本章小结

5 隐式主题个性化图书推荐原型系统的设计与实现

5.1 引言

5.2 准备工作

5.3 系统模块设计

5.4 原型系统主要模块的实现

5.5 本章小结

6 总结与展望

6.1 本文的总结

6.2 下一步工作

参考文献

攻读硕士学位期间发表的学术论文

致谢