大数据下的图书馆个性化推荐研究

何波?章宏远

摘 要 随着大数据时代的来临，针对所有的用户都采用同一种方法的图书馆个性化推荐，已经无法满足图书馆用户的需要。论文利用基于大数据的数据挖掘预处理技术，将图书馆用户细分为新用户和一般用户，然后利用数据挖掘与mapreduce技术，提出大数据下的图书馆个性化推荐方法和策略。

关键词 大数据 数据挖掘 个性化推荐

分类号 G250.7

DOI 10.16810/j.cnki.1672-514X.2017.06.015

Abstract The traditional recommendation strategy adopts the same recommendation method for all users. It is not able to satisfy the library users needs in the era of big data. This paper divides library users into new users and ordinary users by data mining preprocessing technology based on big data. Also， it proposes the library personalized recommendation strategy based on data mining and mapreduce.

Keywords Big data. Data mining. Personalized recommendation.

大數据时代，图书馆在个性化推荐服务中应用数据挖掘[1]和Mapreduce[2]技术，将图书馆的海量数据优势[3-4] 充分发挥出来，大幅提升图书馆的个性化推荐服务水平。国内外研究人员和研究机构对大数据下的图书馆个性化服务进行了初步的研究和应用。代表性的有杨亮的“大数据环境下图书馆个性化服务研究”[5]、陈臣的“基于大数据的图书馆个性化智慧服务体系构建”[6]、Cassidy R. Sugimoto的“Library and information science in the big data era：funding， projects， and future”[7]等研究成果。但是这些研究成果对图书馆全体用户采用同样的推荐方法，没有考虑图书馆新用户和一般用户的不同。与一般用户相比，图书馆新用户被收集的个人信息较少，需要使用有针对性的个性化推荐方法。因此，对于海量图书馆数据，需要根据图书馆新用户和一般用户的不同特点，提出有针对性的大数据下的图书馆个性化推荐方法和策略。

1 大数据下的图书馆个性化用户模式

个性化用户模式[8]是图书馆个性化推荐服务的基础。利用大数据的数据挖掘预处理技术，对图书馆访问数据进行预处理挖掘，形成大数据下的图书馆个性化用户模式。……