泛在知识环境下图书馆的相似文章推荐技术及应用

相似文章的推荐基于会话ID。会话ID是由服务器端产生的，不同的电子资源数据库产生会话ID的标准不一致，得到的会话ID长度和内容都不一样，其重复概率几乎为零。所以会话ID具有唯一性，一个会话只能代表一个用户。那么同一会话ID中的所有文章是由一个用户产生的，对于这个用户而言，这些文章之间具有联系。

找出与某一篇文章题名关联度较强的前5位的相似文章，需要使用Apriori算法。

由于会话ID和文章题名较长，直接阅读难以理解，因此此处用简单的标识替换，不影响结果：本章选用数据库中的5篇文章，分别为i1（我国法院调解制度的发展与规范）、i2（司法ADR与我国法院调解制度的新发展）、i3（司法ADR之研究）、i4（我国法院调解的定位与发展方向）、i5（论我国大调解机制的构建），这5篇文章分布于4个会话ID中，分别为t1（mvzqso450oc4j5mog2qjnx3e）、t2（oitncu45jdluarfu53d5fs45）、t3（ttwawv55rrxcquavkgqmve45）、t4（0yxactefndgavl45upgkx155）。

（1）存储同一会话事务。

由相同会话ID产生的一系列事务称为同一会话事务。存储同一会话事务，就是将同一会话ID的文章题名存入数据库的过程，存储格式如表4-6。

表4-6　同一会话事务存储结果表

（续表）

（2）存储项目关联次数。

根据（1）的结果，将每个题名的出现次数统计出来，并存入数据库中，如表4-7。

表4-7　项目频次结果表

(www.xing528.com)

（3）存储项目关联次数。

根据（1）的结果，将两篇文章题名之间的关联次数计算出来，并按照降序排列存入数据库中。关联次数的计算基于会话ID，只有在同一个会话ID中出现的文章题名才有关联，比如t1这个会话ID中，用户查询了i1、i2、i3三篇文章，则这三篇文章之间具有关联性，那么计i1和i2关联一次、i1和i3关联一次、i2和i3关联一次。将所有的会话ID中具有相同文章题名的关联次数相加，便得到所有项目的关联次数，如表4-8。

表4-8　项目关联次数结果表

（4）计算置信度。

根据（2）和（3）的结果，计算出置信度。比如i1i2的置信度=i1-i2关联次数/i1的频次，即2/3；而i2i1的置信度=i2-i1关联次数/i2的频次，即3/3=1。计算结果如表4-9所示。

表4-9　置信度结果表

（5）计算置信度。

假如用户点击了i1这篇文章，那么程序首先到项目关联次数表中找出与i1相关的文章题名放入内存中，即i2、i3、i4、i5这四篇文章。

而后程序会根据关联次数按照降序排列，关联次数越高，说明与文章i1的关系越强，相同的关联次数按照文章题名的ASCII（美国信息交换标准代码）值升序排列，那么内存中的文章顺序变为i2、i3、i5、i4。

最后程序根据预先设定好的置信度阈值和Web页面显示数量阈值，确定最终显示的推荐文章。这里设置置信度阈值为0.5，Web页面显示数量阈值为2。那么程序会在置信度表中找到与i1相关的置信度大于等于0.5的文章，即i2、i3、i5，但是只取其中的两条。而后程序根据i2、i3、i5出现的频次降序排列，取其中的前两位，但i2、i3出现的频次相同，那么根据文章题名的ASCII值升序排列（通过程序计算，i2的ASCII值小于i3的ASCII值），因此选取i5、i2。即与《我国法院调解制度的发展与规范》相似度最高的文章有两篇，分别为《论我国大调解机制的构建》和《司法ADR与我国法院调解制度的新发展》。

如果某用户点击了一篇文章，此文章没有和任何其他一篇文章有任何关联，那么这篇文章将不显示相关的推荐信息。