英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料
基于标签展开的数字图书馆推荐系统
简介：推荐系统是被用于收集数据和将相关信息推荐给用户的系统。这些能够给用户提供相关详尽信息的系统在电子商务中展现了巨大的用途。许多相似的模型为这些信息系统设计，但是这些模型并不能直接用于数字图书馆系统实现最大效益。因而，我们为用户和管理者设计了一种基于标签展开的数字图书馆推荐系统来克服上述问题。
关键词：标签，推荐系统，语义，数字图书馆
Ⅰ. 介绍
物品的分门别类能够使我们找到正确而简单地找到东西，例如：在网上购物网站找一种手工产品，那么流程应该是，首先我们需要找到符合这一类别的一种商品然后是这一类别下的所有相关产品。但是，如果没有标签和分类系统，就需要我们去按名索骥。这样的话，我们很难去找到一个更低地价格和相关的产品。另一方面，管理方也很难去了解哪种商品畅销。
这里我们拿真正生活中的大学图书馆举个例子，在那里因为缺乏正确书名，正确作者和书的领域，许多书被买来了却没有被使用。所以图书馆管理订购了很多相同的书籍，浪费了款项和造成了不被使用的图书垃圾。
我们设计了一种可供选择的系统去解决这种很多图书馆系统都面临的问题。我们还设计了一种有些图书馆系统可能用到的模型。这个系统能够将每本书按照书名，作者姓名和书籍领域（例如：医学，工程学，艺术等等）分类。这里每个类别都有副类（工程学可以被划分为许多支流如机械学，计算机科学等），还有老师能够对推荐书籍进行打分，更多被喜爱的书籍也能在系统中被推荐，这使得找出图书馆和学生的难题变得容易。
在标签系统的基础上，每本书籍都会被贴上书名，作者，作者评分等标签。如此，图书馆管理就能利用数据简便的找到那本书被老师喜爱，拥有最高的分数以及与大学教纲有关。现在图书馆管理方能够只订购那些被推荐和被学生提及的书籍，这是系统不必为购买不需要的且不被学生使用的书籍而浪费金钱。
这种方法将会提供一种有效途径去购买被选择的有用书籍而不是无用的书，而且还将给出书籍的一个相关列表，包含学术需要的书籍（这些书籍被不同领域或不同学科的老师提及)
板块Ⅱ谈及已经完成的相关工作，板块Ⅲ展示设计的模型及其优点，板块Ⅳ论述其特征并举实例解释所设计模型的运行，模块Ⅴ包括论文结语和对所设计模型的未来展望。
Ⅱ.相关工作
标签系统能够用于相互间的对数据的分类和方便恢复信息。将标签应用于推荐的想法是由Vatturi提出，通过对图书每一单独方面的分门别类达到对图书信息的了解，如那本书经常被学生使用，这种方法也能帮助存储图书信息，如多少书籍能够被学生借阅、还存有多少图书。
另一种标签技术解决“使用一个标题模型保持标签作为社会语法的本质”的难题，它由Muzaffer Ege 提出。通过这篇论文，我们用不同手段对每本书都贴上标签，因而选择出的书籍应当包含在订购的书单内。这使得获得受喜爱作者的正确书籍变得容易。
FIG1。。。
相关人士对于图书的推荐可能会提供关于有价值书籍的可靠信息，使用张量模型的标签个性化物品推荐和主题建模技术是由Noor Ifada提出。它也许对于图书馆管理方梳理书籍相关项和过滤出订购书籍产生帮助。
基于语义的标记系统提出了一个新的概念：基于语义或者同样类别的相关书籍来标记图书。
用户对于书籍属性的偏好对于个性化推荐系统的作用由Guangqian Zhang提出。这篇论文提出了一个聚焦在其他特性如生产商，生产日期，和其他消费者对书籍的评价的系统，这使推荐书籍变得简单。我们使用他们的系统去构建一个高评价领域去对那本书做出中肯评价。
将语义联系和多领域信息应用于基于标签的音乐推荐系统是由Tatli提出，他提出了一种使用基于标签的音乐踪迹信息和用户兴趣的系统，我们使用混合系统作为书籍的上下文信息，使用户更多地了解书籍的内容。
考虑到上述所有的提议，它们都仅仅为用户提供建议，所有的方案都没有考虑到根据用户活动对图书馆推荐的需求。为了克服这种难题，我们设计了一种专门服务于数字图书馆的标签推荐系统，去识别那些根据读者行为在不远的将来会被使用的书籍，以及分析可能最频繁阅读的书籍。
这一板块我们为书籍推荐系统设计了一种新颖的方法，购买不被欢迎的书籍和低评价的书籍造成了金钱上的损失和图书的重复以及占用图书馆的财政预算。为了减少这种现象，我们设计了一个基于标签的模块致力于帮助克服类似问题同时提供一个高效的途径去订阅和购买那些具有较高评价的书籍，我们提出了一个数学公式来帮助对书籍进行评价，方便了解所需的书籍和较多被读者阅读的书籍。
书籍标签是根据它们所包含知识的领域来制定的。因而一本书能够根据它的内容领域被分入许多类别，例如一本关于云计算的书籍可能被标记在云端类、计算类和同进程类中。
受欢迎度指的找到最受欢迎的图书，相似地，语义指的是筛选出具有相同语义的书籍，喜爱度能够给出在同样标签下这本书受老师的喜爱程度。
使用上述公式，我们能计算出标签等级，由标签等级，我们能用有效的方法进行分类和列出高等级的标签，从而大多数受欢迎的书籍能够被学生们学习，确保人人都能拿到高品质的书籍。在图画2中，我们可以看到设计的模型需要若干流程，模型中的模块将会在下文得以解释：
—— 领域：领域能根据不同学科加以分类，如医学、工程学、科学、艺术等等，它可以包纳无数不同的学科。
—— 标签系统：这些领域将会和图画中的功能相互作用，这些功能我们曾在上述公式中表示过，这个功能在整个系统中至关重要，这里它综合考虑受欢迎度、语义、老师喜爱程度以及全球喜爱程度。它维持着所有的标签比重，基于高标签等级创建了一个上升序的标签比重表，它同样搜寻者会被欢迎的新书。
—— 标签比重表：标签比重表是一个列出所有受欢迎和不受欢迎书籍的表格，这个表格记录着评估系统的数据然后将数据传输给知识仓库。
—— 知识仓库：知识仓库存储这所有等级的标签，维持着表格并且将表格分成两个不同的类别，一个是对学生的推荐表，另一个是对图书馆管理层的推荐表。因而不能被局限在传统的方式去获取知识，它应当通过新列出的书籍自我更新，这个知识仓库同样能够用于教学和阅读。如此，获得知识和只阅读被专家喜爱的书籍将变得更为简单，我们可以利用这些专业人士的知识。
—— 对学生的推荐系统：针对学生的推荐系统也使学生对新书进行更新，允许他们了解推荐的作者和他们老师推荐的书籍。这将帮助学生获得同类别中的其他书籍，这些书籍曾被同学或老师引用过。
我们设想的公式以语义标签系统（包含上下文语义关系和多重领域的混合模型）为基础，这里上下文的图书信息和图书领域信息赋予图书价值并且为有用的图书贴上高等级标签，使其更加被人喜爱。
这个系统将为学生提供最好、最新的图书馆管理系统，使他们获得值得推荐的书籍。
Ⅲ .工作过程
为了检测我们的系统，我们在一家图书馆做了个实验。这里我们放置了不同领域的一些书籍（一些工程学、医药学、艺术、家庭科学等书籍）然后将它们各自提供给学生、老师。不仅如此，我们还在分类的基础上从网络上拿了同样的电子书，之后每组人对这些不同领域的书进行评价。
收集完所有的评价后，我们通过公式分析了这些数据，并且得到了两张表，一张给学生，一张给图书馆管理方。通过这两张表，我们更新了图书馆并且再次进行价值评估，新的价值评估相对于原版能够提供更好的图书推荐。结果证明，因为模型的更新特性，这个模型相比于原本设想的模型具有更好的表现。
Ⅳ. 结论
这篇论文中，来自知识管理领域的不同模型和搜索分享的各种资源被逐一讨论了利弊，为了克服这些弊端，一种专门服务于数字图书馆的标签推荐系统被设计出来，也许在将来的工作中这种模型能够和其他的模型得以比较，改进服务的质量。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[30195]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
