论文部分内容阅读
信息技术的快速发展推动了各行各业信息化管理的转型进程,在信息化技术逐渐成熟的背景下图书馆信息化建设水平也越来越高,数字化图书馆以其文献快速检索、个性化推荐等功能受到读者的欢迎。信息的爆炸式增长使得馆藏量迅速扩大,读者面临海量的文献刊物往往无法便捷的进行所需信息的查找,对于传统的图书馆读者而言面临着严峻的文献检索体验差的问题。如何构建合理的文献检索服务提升读者文献检索体验,已经成为数字化图书馆建设过程中的研究热点。利用信息的过滤技术,能有效避免信息过载现象。读者借助图书馆推荐系统可以进行感兴趣图书的检索,且检索过程自动滤除读者不感兴趣的信息,起到对传统图书检索功能优化的作用。信息过滤的数据基础为读者的借阅历史记录,推荐系统在分析借阅历史记录的基础上智能化的预测读者的阅读偏好,过滤用户不感兴趣的推荐信息。本文依据数据挖掘和信息可视化理论,结合图书馆现有图书检索系统,进行高校图书馆推荐系统的设计。本文以某高校信息管理系统的图书借阅历史记录为数据源,结合协同过滤技术等算法进行图书馆推荐系统的设计,所设计系统采用Django框架,利用jieba分词、amCharts图表以及D3.js可视化库赋予系统图书推荐排行、个性化推荐以及流通数据同步等智能化功能。重点对信息可视化技术的应用及推荐算法设计过程进行阐述。在完成设计之后,并对图书馆推荐系统进行全面的测试,验证推荐引擎、流通数据同步、后台管理、前端展现等子系统的功能与性能。本文的研究意义体现在为图书馆图书检索赋予—定的智能分析功能,对于提升读者的图书检索体验、快速获取目的信息具有重要作用,对于数字图书馆的建设质量的提升具有深远的影响。