一種基于聚類的增量數(shù)字圖書推薦方法
【專利摘要】本發(fā)明公開了一種基于聚類的增量數(shù)字圖書推薦方法。它包括以下步驟：（1）從用戶的網(wǎng)站訪問日志獲取用戶閱讀書籍的信息，然后生成用戶表示向量；（2）使用維度數(shù)組來選擇需要計(jì)算的簇集，然后計(jì)算用戶與簇集之間的余弦相似度形成候選集；（3）從候選集中找出與目標(biāo)用戶相似度最高的簇，然后根據(jù)合并結(jié)果進(jìn)行聚類，并增量式地更新簇心、簇直徑；（4）使用簇心值作為排序函數(shù)將簇內(nèi)項(xiàng)目進(jìn)行排序，將排序高的項(xiàng)目作為推薦結(jié)果。本發(fā)明可以通過從用戶的圖書訪問日志挖掘用戶對書籍的喜好信息，然后為用戶進(jìn)行推薦，提高了推薦方法的擴(kuò)展性和實(shí)時(shí)性，增強(qiáng)了數(shù)字圖書資源利用率和用戶的閱讀體驗(yàn)。
【專利說明】一種基于聚類的增量數(shù)字圖書推薦方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及推薦系統(tǒng)、增量式學(xué)習(xí)和數(shù)字圖書館等領(lǐng)域，尤其涉及一種基于聚類的增量數(shù)字圖書推薦方法。
【背景技術(shù)】
[0002]數(shù)字圖書館中擁有海量的數(shù)字圖書資源，如何讓讀者對這些豐富而寶貴的數(shù)字圖書資源進(jìn)行利用并能有更好的使用體驗(yàn)就顯得非常的重要。傳統(tǒng)的基于檢索的信息獲取技術(shù)已經(jīng)不能完全滿足人們的需求，個(gè)性化推薦正逐漸成為數(shù)字圖書館不可或缺的部分。
[0003]傳統(tǒng)的推薦方法十分有效且易于解釋，但是由于在推薦過程中需要將載入并查看整個(gè)數(shù)據(jù)集，這十分消耗存儲空間和運(yùn)算時(shí)間。隨著數(shù)據(jù)規(guī)模的增大，這種做法變得低效且十分受限于可用資源。數(shù)字圖書館資源和用戶的增多對其推薦系統(tǒng)的擴(kuò)展性和實(shí)時(shí)性提出了更高的要求。
[0004]增量式學(xué)習(xí)有時(shí)也被稱為在線學(xué)習(xí)。增量式學(xué)習(xí)通常指在線學(xué)習(xí)模型的過程，而這個(gè)模型通常也可以被批量式學(xué)習(xí)方法所學(xué)習(xí)。當(dāng)學(xué)習(xí)模型的數(shù)據(jù)規(guī)模過大或者不是一次性都能夠獲得，而是像數(shù)據(jù)流一樣隨著時(shí)間的推移逐漸獲得，且根據(jù)已獲得數(shù)據(jù)學(xué)習(xí)的模型需要及時(shí)投入使用時(shí)，增量式學(xué)習(xí)是十分有用的，它可以使用新到的數(shù)據(jù)在原先模型基礎(chǔ)上直接更新，無疑會大大提高學(xué)習(xí)方法的效率。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是克服了數(shù)字圖書館中傳統(tǒng)圖書推薦效率不高、實(shí)時(shí)性較差的缺點(diǎn)，提供一種高質(zhì)量、新穎的基于聚類的增量數(shù)字圖書推薦方法。
[0006]一種基于聚類的增量數(shù)字圖書推薦方法包括以下步驟:
(O從用戶的網(wǎng)站訪問日志獲取用戶閱讀書籍的信息，然后生成用戶表示向量；
(2)使用維度數(shù)組來選擇需要計(jì)算的簇集，然后根據(jù)用戶表示向量使用余弦相似度計(jì)算用戶與簇集之間的相似度形成候選集；
(3)從候選集中找出與目標(biāo)用戶相似度最高的簇，然后根據(jù)合并結(jié)果進(jìn)行聚類，并增量式地更新簇心、簇直徑；
(4)根據(jù)聚類結(jié)果，使用簇心值作為排序函數(shù)將簇內(nèi)鏈接的項(xiàng)目進(jìn)行排序，將排序高的項(xiàng)目作為推薦結(jié)果提供給用戶；
所述的步驟I)包括:從用戶的網(wǎng)站訪問日志獲取用戶閱讀書籍的信息，然后生成用戶表示向量；用二值的向量來描述用戶，假設(shè)有一個(gè)給定的用戶集合
【權(quán)利要求】
1.一種基于聚類的增量數(shù)字圖書推薦方法，其特征在于，它包括以下步驟: (1)從用戶的網(wǎng)站訪問日志獲取用戶閱讀書籍的信息，然后生成用戶表示向量； (2)使用維度數(shù)組來選擇需要計(jì)算的簇集，然后根據(jù)用戶表示向量使用余弦相似度計(jì)算用戶與簇集之間的相似度形成候選集； (3)從候選集中找出與目標(biāo)用戶相似度最高的簇，然后根據(jù)合并結(jié)果進(jìn)行聚類，并增量式地更新簇心、簇直徑； (4)根據(jù)聚類結(jié)果，使用簇心值作為排序函數(shù)將簇內(nèi)鏈接的項(xiàng)目進(jìn)行排序，將排序高的項(xiàng)目作為推薦結(jié)果提供給用戶。
2.根據(jù)權(quán)利I所述的一種基于聚類的增量數(shù)字圖書推薦方法，其特征在于:所述的步驟I)包括:從用戶的網(wǎng)站訪問日志獲取用戶閱讀書籍的信息，然后生成用戶表示向量；用二值的向量來描述用戶，假設(shè)有一個(gè)給定的用戶集合U =…,Um],以及一個(gè)項(xiàng)目集合/ =…,in),把每個(gè)用戶W7表示成一個(gè)η維向量，向量的每一維對應(yīng)于一個(gè)項(xiàng)目，一個(gè)用戶U1 B的特征向量的第j維是:

3.根據(jù)權(quán)利I所述的一種基于聚類的增量數(shù)字圖書推薦方法，其特征在于:所述的步驟2)包括:使用維度數(shù)組來選擇需要計(jì)算的簇集，然后根據(jù)用戶表示向量使用余弦相似度計(jì)算用戶與簇集之間的相似度形成候選集；利用維度數(shù)組在已生成的簇中尋找與用戶"最相似的簇G首先將候選集置空，然后對于當(dāng)前用戶表示的每一個(gè)非零項(xiàng)所指向的維度數(shù)組鏈接到的簇并入候選集C-Set ;聚類時(shí)，每一個(gè)簇有一個(gè)中心，簇心是該簇類所有用戶表示向量的平均值，可以如下增量式地計(jì)算:
4.根據(jù)權(quán)利I所述的一種基于聚類的增量數(shù)字圖書推薦方法，其特征在于:所述的步驟3)包括:從候選集中找出與目標(biāo)用戶相似度最高的簇，然后根據(jù)合并結(jié)果進(jìn)行聚類，并增量式地更新簇心、簇直徑；使用簇直徑公式來評估簇的緊密程度，其增量式的計(jì)算公式如下:

5.根據(jù)權(quán)利I所述的一種基于聚類的增量數(shù)字圖書推薦方法，其特征在于:所述的步驟4)包括:根據(jù)聚類結(jié)果，使用簇心值作為排序函數(shù)將簇內(nèi)鏈接的項(xiàng)目進(jìn)行排序，將排序高的項(xiàng)目作為推薦結(jié)果提供給用戶；推薦結(jié)果是根據(jù)用戶所屬的簇來產(chǎn)生的；每一個(gè)簇有一些用戶，且維度數(shù)組的一些項(xiàng)鏈接到該簇，簇心代表了該簇中用戶的興趣，簇心表示向量的第j維代表簇中有多少成 員評過了項(xiàng)目j。
【文檔編號】G06F17/30GK103886048SQ201410090123
【公開日】2014年6月25日 申請日期:2014年3月13日 優(yōu)先權(quán)日:2014年3月13日
【發(fā)明者】張寅 , 王宇奇, 伊燈, 莊越挺, 魏寶剛 申請人:浙江大學(xué)