|
文獻數位圖書館提供文獻數位化的儲存，研究人員可以透過網路很方便地使用文獻的查詢。然而在查詢文獻的時候，往往一次的查詢會得到相當大量的文獻列表，然而其中真正研究人員有興趣的可能只有極少部分。為了提供更有效率的查詢服務，愈來愈多系統提供推薦服務。系統根據使用統計和使用者的查詢記錄來推薦過去常常一起被瀏覽的文獻，或者是內容相似度高的文獻。文獻推薦系統和傳統推薦系統最主要的不同在於只有瀏覽紀錄而無評比分數，也就是沒有負項的評分作為資訊。
本研究改進合作推薦(Collaborative recommendation)最主要的問題，也就是能夠推薦的文獻佔整體的比率不高。在方法上，首先提出三種利用內容導向過濾(Content-Based Filtering)的方式來推薦，另外提出混和內容導向和合作推薦的合併方式二種。在評估的部分，則是用中山大學學位論文系統的Web log中，找出代表使用者行為的transaction來評估推薦方法的precision、recall，與執行時間。結果發現合併推薦的方式整體而言會有較好的推薦結果。
|