CN116578726A - 一种个性化图书推荐系统 - Google Patents
一种个性化图书推荐系统 Download PDFInfo
- Publication number
- CN116578726A CN116578726A CN202310833295.XA CN202310833295A CN116578726A CN 116578726 A CN116578726 A CN 116578726A CN 202310833295 A CN202310833295 A CN 202310833295A CN 116578726 A CN116578726 A CN 116578726A
- Authority
- CN
- China
- Prior art keywords
- book
- reading
- module
- interest
- readers
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000003860 storage Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 30
- 230000006399 behavior Effects 0.000 claims description 18
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 15
- 150000001875 compounds Chemical class 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Library & Information Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种个性化图书推荐系统，涉及数据信息处理技术领域；解决的问题是个性化图书推荐，其中个性化图书推荐系统包括图书阅览平台、数据预处理模块、存储模块、兴趣预测模块和拓展预测模块，通过兴趣预测模块采用根据对图书信息进行加权和加入图书相似值的方法，提高兴趣评估的准确性，采用衰减模型估计读者的阅读兴趣随着时间变化的衰减度的方法，消除兴趣评估的干扰，通过拓展预测模块采用改进型随机分组法为读者随机推荐读者未接触过的图书类型，增加推送的新颖性，本发明实现一种能够根据读者个性化偏好精准推送图书的同时，为图书推荐增加探索性和新颖性的个性化图书推荐系统。
Description
技术领域
本发明涉及数字图书馆信息技术领域，具体是一种个性化图书推荐系统。
背景技术
信息技术和网络的普及促进了信息存储与知识检索的变革，新环境中读者可通过网络远程访问图书馆的信息资源，以更加方便的方式获取图书馆提供的各种服务，这也对图书馆的服务水平提出新的高度。在图书馆传统服务模式存在诸多弊端，一方面，传统的图书推荐系统绝大多数无法完全适应新信息环境下读者的个性化信息需求，不能全方位为读者精准推送偏好图书，另一方面，传统的图书推荐系统在为读者推送图书的过程中缺乏图书推送的探索性，推送图书类别固化，新颖程度低。因此，在图书推荐过程中如何进行数据信息处理是亟待解决的技术问题，如何根据数据信息处理能力进行图书信息推荐能够大大提高数据信息管理能力和应用能力。人们急需一种能够根据读者个性化偏好精准推送图书的同时具备新颖性和探索性的个性化图书推荐系统。
发明内容
针对上述技术的不足，本发明公开一种个性化图书推荐系统，通过兴趣预测模块采用根据阅读操作信息对图书信息进行加权的方法，提高兴趣评估的准确性，采用衰减模型估计读者的阅读兴趣随着时间变化的衰减度的方法，消除兴趣评估的干扰，采用阅读兴趣值和图书相似值综合计算的方法，得到待推荐图书的兴趣度，通过拓展预测模块采用改进型随机分组法为读者随机推荐读者未接触过的图书类型，增加推送的新颖性，本发明实现一种能够根据读者个性化偏好精准推送图书的同时，为图书推荐增加探索性和新颖性的个性化图书推荐系统。
为了实现上述技术效果，本发明采用以下技术方案：
一种个性化图书推荐系统，包括图书阅览平台、数据预处理模块和存储模块；
图书阅览平台用于系统收集读者的阅读偏好信息，读者查询兴趣图书，接收个性化图书推荐信息，并进行线上阅览和阅后评分；
数据预处理模块对所述图书阅览平台中读者的阅读偏好信息进行数据预处理，为系统主要的数据分析做准备工作；
存储模块用于将预处理数据和原始阅读偏好数据进行存储和管理，确立原始数据和转化数据之间的映射关系，便于程序访问和使用；
其中一种个性化图书推荐系统还包括兴趣预测模块和拓展预测模块；
兴趣预测模块根据读者的个人图书兴趣值和图书类型相似度对读者进行个性化图书推荐；
所述兴趣预测模块包括评分子模块、相似分析子模块和综合预测模块，所述评分子模块通过引入时间衰减的方法，利用现有的读者和读者评分数据来构建兴趣推荐模型，预测阅读偏好数据和图书之间的关系，从中选择评分最高的图书推荐给目标读者，所述相似分析子模块采用余弦相似度计算模型评估图书之间的相关程度，计算待估计图书与读者历史偏爱图书之间的相似信息，得到图书相似度，所述综合预测模块构建根据评分子模块的兴趣值和相似分析子模块的图书相似值，综合得出读者对于待推荐图书的兴趣度，并根据兴趣度排名为读者推荐图书；
拓展预测模块为读者推荐与读者历史偏好不相关的图书，为个性化图书推荐增加探索性和新颖性；
所述拓展预测模块包括社交推荐子模块和随机推荐子模块，所述社交推荐子模块根据读者好友的阅读偏好信息，为读者推荐与读者的阅读偏好信息不相关的图书，所述随机推荐子模块采用改进型随机分组法在读者无好友和好友的阅读偏好信息推荐与读者的阅读偏好信息重合度高于百分之九十的情况下，为读者随机推荐读者未接触过的图书类型。
作为本发明进一步的技术方案，所述图书阅览平台的输出端连接数据预处理模块、存储模块、兴趣预测模块和拓展预测模块的输入端，所述数据预处理模块的输出端连接存储模块、兴趣预测模块和拓展预测模块的输入端，所述兴趣预测模块和拓展预测模块的输出端连接所述图书阅览平台的输入端。
作为本发明进一步的技术方案，所述兴趣预测模块包括加权系统、时间衰减系统和评估系统，所述加权系统通过读者阅读、续阅、预约和荐阅这四种行为数据对图书信息进行加权，提高兴趣评估的准确性，所述时间衰减系统估计读者的阅读兴趣随着时间变化的变迁度，消除兴趣评估的干扰，所述评估系统用于根据加权后的阅读图书信息、阅读时长、阅读时刻和阅读兴趣变迁度对阅读图书信息进行兴趣值排序，生成兴趣图书数据集，所述加权系统和时间衰减系统的输出端连接评估系统的输入端。
作为本发明进一步的技术方案，所述加权系统选取阅读操作信息中的阅读、续阅、预约和荐阅四种行为对图书信息进行加权，从时间成本和读者阅读心理需求角度进行分析，荐阅和续阅的行为代表读者的阅读兴趣最高，阅读的行为代表读者的阅读兴趣为中值，预约的行为代表读者的阅读兴趣最低，图书的荐阅程度表达式为：
（1）
式（1）中，为荐阅的程度，读者阅后评分小于8时/>为0，图书信息的推荐权值表达式为：
（2）
式（2）中，为续阅次数，/>为阅读行为，读者阅读过则/>为1，读者未阅读过则/>为0，/>为预约行为，读者预约过则/>为1，读者未预约过则/>为0，i为图书信息的下标，/>为图书信息的推荐权值。
作为本发明进一步的技术方案，所述时间衰减系统建立衰减模型来对所述兴趣预测模块生成的兴趣值进行优化，根据读者阅读后长时间未更新阅读消息，估算读者对图书阅读兴趣的衰减度：
(3)
式（3）中，为读者对图书阅读兴趣的衰减度，/>为在当前阅读记录中读者对图书操作的最后时间，/>为读者对图书进行阅读的频率，/>为读者对图书的兴趣值，/>为进行衰减度计算的日期，/>为借阅记录中所有读者最早阅读图书的日期，/>为时间衰减参数，用于控制读者对图书阅读兴趣的衰减度随/>值递减时的衰减速度。
作为本发明进一步的技术方案，所述兴趣预测模块的工作方式为：
步骤一、通过阅读操作信息对图书信息进行加权操作；
步骤二、计算读者对图书的阅读兴趣值，根据图书信息的推荐权值在计算读者对图书的兴趣总值，读者对图书阅读兴趣值的表达式为：
（4）
步骤三、引入时间衰减，通过时间衰减度的计算，得到在读者长时间对图书无操作的情况下，对图书阅读兴趣的衰减度，优化阅读兴趣值的计算；
步骤四、优化读者对图书的阅读兴趣值，读者对图书阅读兴趣的衰减度计算过程中通过调节基准值来控制取值的分布，引入激活函数Tanh函数，对经时间衰减模型修正后的兴趣值进行归一化，经过时间衰减修正后读者对图书的兴趣值表达式为：
（5）
式（5）中，为经过时间衰减修正后读者对图书的兴趣值，参数A为兴趣值上限，通过调节A值可达到控制读者兴趣值归一化区间为[0,A ），达到兴趣值归一化需求。
作为本发明进一步的技术方案，所述综合预测模块根据构建所述评分子模块输出的兴趣值和相似分析子模块输出的图书相似值，综合得出待推荐图书的兴趣度：
(6)
式（6）中，为图书相似值，j为读者历史偏爱图书的标号，/>为读者历史偏爱图书的总数，根据兴趣度排名为读者推荐图书。
作为本发明进一步的技术方案，所述随机推荐子模块采用对图书信息根据权值随机排序后，再通过随机数生成法进行随机分组的方法，有效提高随机数生成法的分组均匀性，所述随机推荐子模块的工作步骤为：
步骤1、初始排序，按照图书信息与读者的阅读偏好信息的重合度，对图书信息赋自适应权值，根据自适应权值的从大到小对图书信息进行排序，自适应权值公式为：
（7）
式（7）中，为图书信息的自适应权值，/>为图书信息与读者的阅读偏好信息的重合度，/>表示信息数据特征参数，/>表示参数行，y表示参数列，k表示参数相位，/>表示获取数据的误差平均值；/>表示数据的误差标识；
步骤2、再排序，将图书的标号按照线性同余法生成一个随机数，将自适应权值相同的图书信息按照随机数的值从大到小进行排序；
步骤3、确认随机推荐图书集，通过随机数生成法，将图书信息随机分组，每一组通过随机抽取法抽取一种图书作为随机推荐图书，得到随机推荐图书集。
作为本发明进一步的技术方案，所述图书阅览平台包括登录模块、通信模块、偏好记录模块、好友子模块和推荐显示模块，所述登录模块用于读者输入账号登录所述图书阅览平台，平台获取读者的年龄和性别信息，所述通信模块基于MySQL数据传送功能，建立所述图书阅览平台与现有图书馆数据库之间的数据传输通道，根据读者的阅读需求进行数据传输，得到目标图书的信息，所述偏好记录模块用于根据所述通信模块中信息传输数据和读者的阅读评分，记录读者在所述图书阅览平台中的阅读偏好信息，阅读偏好信息包括阅读操作信息、图书信息、阅读时长和阅读时刻，所述好友子模块用于读者添加好友，并收集好友的阅读偏好信息，所述推荐显示模块用于向读者显示图书推荐界面，展示兴趣图书数据集和随机推荐图书集，所述登录模块的输出端连接通信模块、偏好记录模块和推荐显示模块的输出端，所述通信模块的输出端连接所述偏好记录模块的输入端。
作为本发明进一步的技术方案，所述数据预处理模块包括数据清理子模块、数据转化子模块和数据归一化子模块，所述数据清洗子模块采用数据动态清洗模型清除重复数据和纠正异常数据，删除不符合要求的借阅记录，提高读者获取高质量推荐图书的概率，所述数据转化子模块将读者的图书借阅信息用向量来表示，提高后续数据分类的稳定性，所述数据归一化子模块是把数据值限制在需要的一定范围内，提高程序运行的收敛性，所述数据清洗子模块的输出端连接数据转化子模块的输入端，所述数据转化子模块的输出端连接数据归一化子模块的输入端。
与现有技术相比，本发明有益的积极效果是：
区别于常规的个性化图书推荐系统，针对上述技术的不足，本发明公开一种个性化图书推荐系统，通过兴趣预测模块采用根据阅读操作信息对图书信息进行加权的方法，提高兴趣评估的准确性，采用衰减模型估计读者的阅读兴趣随着时间变化的衰减度的方法，消除兴趣评估的干扰，采用阅读兴趣值和图书相似值综合计算的方法，得到待推荐图书的兴趣度，通过拓展预测模块采用改进型随机分组法为读者随机推荐读者未接触过的图书类型，增加推送的新颖性，本发明实现一种能够根据读者个性化偏好精准推送图书的同时，为图书推荐增加探索性和新颖性的个性化图书推荐系统。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，
图1为本发明总体架构示意图；
图2为本发明兴趣预测模块的工作步骤示意图；
图3为本发明随机推荐子模块的工作步骤示意图；
图4为本发明兴趣预测模块示意图；
图5为本发明拓展预测模块示意图。
具体实施方式
下面将结合本文实施例中的附图,对本文实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本文一部分实施例,而不是全部的实施例。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外，在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
如图1所示，一种个性化图书推荐系统，包括图书阅览平台、数据预处理模块和存储模块；
图书阅览平台用于系统收集读者的阅读偏好信息，读者查询兴趣图书，接收个性化图书推荐信息，并进行线上阅览和阅后评分；
数据预处理模块对所述图书阅览平台中读者的阅读偏好信息进行数据预处理，为系统主要的数据分析做准备工作；
存储模块用于将预处理数据和原始阅读偏好数据进行存储和管理，确立原始数据和转化数据之间的映射关系，便于程序访问和使用；
其中一种个性化图书推荐系统还包括兴趣预测模块和拓展预测模块；
兴趣预测模块根据读者的个人图书兴趣值和图书类型相似度对读者进行个性化图书推荐；
所述兴趣预测模块包括评分子模块、相似分析子模块和综合预测模块，所述评分子模块通过引入时间衰减的方法，利用现有的读者和读者评分数据来构建兴趣推荐模型，预测阅读偏好数据和图书之间的关系，从中选择评分最高的图书推荐给目标读者，所述相似分析子模块采用余弦相似度计算模型评估图书之间的相关程度，计算待估计图书与读者历史偏爱图书之间的相似信息，得到图书相似度，所述综合预测模块构建根据评分子模块的兴趣值和相似分析子模块的图书相似值，综合得出读者对于待推荐图书的兴趣度，并根据兴趣度排名为读者推荐图书；
拓展预测模块为读者推荐与读者历史偏好不相关的图书，为个性化图书推荐增加探索性和新颖性；
所述拓展预测模块包括社交推荐子模块和随机推荐子模块，所述社交推荐子模块根据读者好友的阅读偏好信息，为读者推荐与读者的阅读偏好信息不相关的图书，所述随机推荐子模块采用改进型随机分组法在读者无好友和好友的阅读偏好信息推荐与读者的阅读偏好信息重合度高于百分之九十的情况下，为读者随机推荐读者未接触过的图书类型。
通过上述实施例中，所述图书阅览平台的输出端连接数据预处理模块、存储模块、兴趣预测模块和拓展预测模块的输入端，所述数据预处理模块的输出端连接存储模块、兴趣预测模块和拓展预测模块的输入端，所述兴趣预测模块和拓展预测模块的输出端连接所述图书阅览平台的输入端。
在具体实施例中，所述兴趣预测模块包括加权系统、时间衰减系统和评估系统，所述加权系统通过读者阅读、续阅、预约和荐阅这四种行为数据对图书信息进行加权，提高兴趣评估的准确性，所述时间衰减系统估计读者的阅读兴趣随着时间变化的变迁度，消除兴趣评估的干扰，所述评估系统用于根据加权后的阅读图书信息、阅读时长、阅读时刻和阅读兴趣变迁度对阅读图书信息进行兴趣值排序，生成兴趣图书数据集，所述加权系统和时间衰减系统的输出端连接评估系统的输入端。
在具体实施例中，所述加权系统选取阅读操作信息中的阅读、续阅、预约和荐阅四种行为对图书信息进行加权，从时间成本和读者阅读心理需求角度进行分析，荐阅和续阅的行为代表读者的阅读兴趣最高，阅读的行为代表读者的阅读兴趣为中值，预约的行为代表读者的阅读兴趣最低，图书的荐阅程度表达式为：
（1）
式（1）中，为荐阅的程度，读者阅后评分小于8时/>为0，图书信息的推荐权值表达式为：
（2）
式（2）中，为续阅次数，/>为阅读行为，读者阅读过则/>为1，读者未阅读过则为0，/>为预约行为，读者预约过则/>为1，读者未预约过则/>为0，i为图书信息的下标，为图书信息的推荐权值。
在具体实施例中，所述时间衰减系统建立衰减模型来对所述兴趣预测模块生成的兴趣值进行优化，根据读者阅读后长时间未更新阅读消息，估算读者对图书阅读兴趣的衰减度：
(3)
式（3）中，为读者对图书阅读兴趣的衰减度，/>为在当前阅读记录中读者对图书操作的最后时间，/>为读者对图书进行阅读的频率，/>为读者对图书的兴趣值，/>为进行衰减度计算的日期，/>为借阅记录中所有读者最早阅读图书的日期，/>为时间衰减参数，用于控制读者对图书阅读兴趣的衰减度随/>值递减时的衰减速度。
在具体实施例中，所述兴趣预测模块的工作方式为：
步骤一、通过阅读操作信息对图书信息进行加权操作；
步骤二、计算读者对图书的阅读兴趣值，根据图书信息的推荐权值在计算读者对图书的兴趣总值，读者对图书阅读兴趣值的表达式为：
（4）
步骤三、引入时间衰减，通过时间衰减度的计算，得到在读者长时间对图书无操作的情况下，对图书阅读兴趣的衰减度，优化阅读兴趣值的计算；
步骤四、优化读者对图书的阅读兴趣值，读者对图书阅读兴趣的衰减度计算过程中通过调节基准值来控制取值的分布，引入激活函数Tanh函数，对经时间衰减模型修正后的兴趣值进行归一化，经过时间衰减修正后读者对图书的兴趣值表达式为：
（5）
式（5）中，为经过时间衰减修正后读者对图书的兴趣值，参数A为兴趣值上限，通过调节A值可达到控制读者兴趣值归一化区间为[0,A ），达到兴趣值归一化需求。
在具体实施例中，所述综合预测模块根据构建所述评分子模块输出的兴趣值和相似分析子模块输出的图书相似值，综合得出待推荐图书的兴趣度：
(6)
式（6）中，为图书相似值，j为读者历史偏爱图书的标号，/>为读者历史偏爱图书的总数，根据兴趣度排名为读者推荐图书。
通过上述实施例中，所述兴趣预测模块向读者推荐的图书与读者实际偏好图书的匹配度如表1所示：
表1读者偏好图书匹配度
根据测试组中读者数不同，设置四个测试组，采用三种方法分别对四组测试组进行读者偏好图书推荐，方法A为直接根据读者阅读偏好数据直接进行读者图书兴趣度的计算，方法B为首先根据读者阅读操作数据对图书信息进行加权，再根据读者阅读偏好数据对读者图书兴趣度进行计算，方法C为采用所述评分子模块的方法对读者图书兴趣度进行计算，将读者兴趣值作为最终结果，方法D为采用所述兴趣预测模块的方法对读者图书兴趣度进行计算，如表1所示，在四组测试组中，方法A和方法B匹配度的稳定性明显低于方法C和方法D匹配度的稳定性，说明加入时间衰减可提高读者图书兴趣度的计算的鲁棒性，在四组测试组中，方法A的匹配度明显小于方法B的匹配度，说明根据读者阅读操作数据对图书信息进行加权的方法可提高读者图书兴趣度的计算的准确性，在四组测试组中，方法C的匹配度明显小于方法D的匹配度，说明综合读者的个人图书兴趣值和图书类型相似度对读者进行个性化图书推荐的方法可提高读者图书兴趣度的计算的精确度，综上可知，本发明中所述兴趣预测模块的读者图书兴趣度的计算方法精确度高、鲁棒性强。
在具体实施例中，所述随机推荐子模块采用对图书信息根据权值随机排序后，再通过随机数生成法进行随机分组的方法，有效提高随机数生成法的分组均匀性，所述随机推荐子模块的工作步骤为：
步骤1、初始排序，按照图书信息与读者的阅读偏好信息的重合度，对图书信息赋自适应权值，根据自适应权值的从大到小对图书信息进行排序，自适应权值公式为：
（7）
式（7）中，为图书信息的自适应权值，/>为图书信息与读者的阅读偏好信息的重合度，/>表示信息数据特征参数，/>表示参数行，y表示参数列，k表示参数相位，/>表示获取数据的误差平均值；/>表示数据的误差标识；
步骤2、再排序，将图书的标号按照线性同余法生成一个随机数，将自适应权值相同的图书信息按照随机数的值从大到小进行排序；
步骤3、确认随机推荐图书集，通过随机数生成法，将图书信息随机分组，每一组通过随机抽取法抽取一种图书作为随机推荐图书，得到随机推荐图书集。
在具体实施例中，所述图书阅览平台包括登录模块、通信模块、偏好记录模块、好友子模块和推荐显示模块，所述登录模块用于读者输入账号登录所述图书阅览平台，平台获取读者的年龄和性别信息，所述通信模块基于MySQL数据传送功能，建立所述图书阅览平台与现有图书馆数据库之间的数据传输通道，根据读者的阅读需求进行数据传输，得到目标图书的信息，所述偏好记录模块用于根据所述通信模块中信息传输数据和读者的阅读评分，记录读者在所述图书阅览平台中的阅读偏好信息，阅读偏好信息包括阅读操作信息、图书信息、阅读时长和阅读时刻，所述好友子模块用于读者添加好友，并收集好友的阅读偏好信息，所述推荐显示模块用于向读者显示图书推荐界面，展示兴趣图书数据集和随机推荐图书集，所述登录模块的输出端连接通信模块、偏好记录模块和推荐显示模块的输出端，所述通信模块的输出端连接所述偏好记录模块的输入端。
通过上述实施例中，所述数据预处理模块包括数据清理子模块、数据转化子模块和数据归一化子模块，所述数据清洗子模块采用数据动态清洗模型清除重复数据和纠正异常数据，删除不符合要求的借阅记录，提高读者获取高质量推荐图书的概率，所述数据转化子模块将读者的图书借阅信息用向量来表示，提高后续数据分类的稳定性，所述数据归一化子模块是把数据值限制在需要的一定范围内，提高程序运行的收敛性，所述数据清洗子模块的输出端连接数据转化子模块的输入端，所述数据转化子模块的输出端连接数据归一化子模块的输入端。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。
Claims (9)
1.一种个性化图书推荐系统，包括图书阅览平台、数据预处理模块和存储模块；
其特征在于：所述个性化图书推荐系统还包括兴趣预测模块和拓展预测模块；
兴趣预测模块根据读者的个人图书兴趣值和图书类型相似度对读者进行个性化图书推荐；
所述兴趣预测模块包括评分子模块、相似分析子模块和综合预测模块，所述评分子模块通过引入时间衰减的方法，利用现有的读者和读者评分数据来构建兴趣推荐模型，预测阅读偏好数据和图书之间的关系，从中选择评分最高的图书推荐给目标读者，所述相似分析子模块采用余弦相似度计算模型评估图书之间的相关程度，计算待估计图书与读者历史偏爱图书之间的相似信息，得到图书相似度，所述综合预测模块构建根据评分子模块的兴趣值和相似分析子模块的图书相似值，综合得出读者对于待推荐图书的兴趣度，并根据兴趣度排名为读者推荐图书；
拓展预测模块为读者推荐与读者历史偏好不相关的图书，为个性化图书推荐增加探索性和新颖性；
所述拓展预测模块包括社交推荐子模块和随机推荐子模块，所述社交推荐子模块根据读者好友的阅读偏好信息，为读者推荐与读者的阅读偏好信息不相关的图书，所述随机推荐子模块采用改进型随机分组法在读者无好友和好友的阅读偏好信息推荐与读者的阅读偏好信息重合度高于百分之九十的情况下，为读者随机推荐读者未接触过的图书类型。
2.根据权利要求1所述的一种个性化图书推荐系统，其特征在于：所述兴趣预测模块包括加权系统、时间衰减系统和评估系统，所述加权系统通过读者阅读、续阅、预约和荐阅这四种行为数据对图书信息进行加权，提高兴趣评估的准确性，所述时间衰减系统估计读者的阅读兴趣随着时间变化的变迁度，消除兴趣评估的干扰，所述评估系统用于根据加权后的阅读图书信息、阅读时长、阅读时刻和阅读兴趣变迁度对阅读图书信息进行兴趣值排序，生成兴趣图书数据集，所述加权系统和时间衰减系统的输出端连接评估系统的输入端。
3.根据权利要求2所述的一种个性化图书推荐系统，其特征在于：所述加权系统选取阅读操作信息中的阅读、续阅、预约和荐阅四种行为对图书信息进行加权，从时间成本和读者阅读心理需求角度进行分析，荐阅和续阅的行为代表读者的阅读兴趣最高，阅读的行为代表读者的阅读兴趣为中值，预约的行为代表读者的阅读兴趣最低，图书的荐阅程度表达式为：
（1）
式（1）中，为荐阅的程度，读者阅后评分小于8时/>为0，图书信息的推荐权值表达式为：
（2）
式（2）中，为续阅次数，/>为阅读行为，读者阅读过则/>为1，读者未阅读过则/>为0，/>为预约行为，读者预约过则/>为1，读者未预约过则/>为0，i为图书信息的下标，/>为图书信息的推荐权值。
4.根据权利要求2所述的一种个性化图书推荐系统，其特征在于：所述时间衰减系统建立衰减模型来对所述兴趣预测模块生成的兴趣值进行优化，根据读者阅读后长时间未更新阅读消息，估算读者对图书阅读兴趣的衰减度：
(3)
式（3）中，为读者对图书阅读兴趣的衰减度，/>为在当前阅读记录中读者对图书操作的最后时间，/>为读者对图书进行阅读的频率，/>为读者对图书的兴趣值，/> 为进行衰减度计算的日期，/>为借阅记录中所有读者最早阅读图书的日期，/>为时间衰减参数，用于控制读者对图书阅读兴趣的衰减度随/>值递减时的衰减速度。
5.根据权利要求1所述的一种个性化图书推荐系统，其特征在于：所述兴趣预测模块的工作方式为：
步骤一、通过阅读操作信息对图书信息进行加权操作；
步骤二、计算读者对图书的阅读兴趣值，根据图书信息的推荐权值在计算读者对图书的兴趣总值，读者对图书阅读兴趣值的表达式为：
（4）
步骤三、引入时间衰减，通过时间衰减度的计算，得到在读者长时间对图书无操作的情况下，对图书阅读兴趣的衰减度，优化阅读兴趣值的计算；
步骤四、优化读者对图书的阅读兴趣值，读者对图书阅读兴趣的衰减度计算过程中通过调节基准值来控制取值的分布，引入激活函数Tanh函数，对经时间衰减模型修正后的兴趣值进行归一化，经过时间衰减修正后读者对图书的兴趣值表达式为：
（5）
式（5）中，为经过时间衰减修正后读者对图书的兴趣值，参数A为兴趣值上限，通过调节A值可达到控制读者兴趣值归一化区间为[0,A ），达到兴趣值归一化需求。
6.根据权利要求2所述的一种个性化图书推荐系统，其特征在于：所述综合预测模块根据构建所述评分子模块输出的兴趣值和相似分析子模块输出的图书相似值，综合得出待推荐图书的兴趣度：
(6)
式（6）中，为图书相似值，j为读者历史偏爱图书的标号，/>为读者历史偏爱图书的总数，根据兴趣度排名为读者推荐图书。
7.根据权利要求1所述的一种个性化图书推荐系统，其特征在于：所述随机推荐子模块采用对图书信息根据权值随机排序后，再通过随机数生成法进行随机分组的方法，有效提高随机数生成法的分组均匀性，所述随机推荐子模块的工作步骤为：
步骤1、初始排序，按照图书信息与读者的阅读偏好信息的重合度，对图书信息赋自适应权值，根据自适应权值的从大到小对图书信息进行排序，自适应权值公式为：
（7）
式（7）中，为图书信息的自适应权值，/>为图书信息与读者的阅读偏好信息的重合度，/>表示信息数据特征参数，/>表示参数行，y表示参数列，k表示参数相位，/>表示获取数据的误差平均值；/>表示数据的误差标识；
步骤2、再排序，将图书的标号按照线性同余法生成一个随机数，将自适应权值相同的图书信息按照随机数的值从大到小进行排序；
步骤3、确认随机推荐图书集，通过随机数生成法，将图书信息随机分组，每一组通过随机抽取法抽取一种图书作为随机推荐图书，得到随机推荐图书集。
8.根据权利要求1所述的一种个性化图书推荐系统，其特征在于：所述图书阅览平台包括登录模块、通信模块、偏好记录模块、好友子模块和推荐显示模块，所述登录模块用于读者输入账号登录所述图书阅览平台，平台获取读者的年龄和性别信息，所述通信模块基于MySQL数据传送功能，建立所述图书阅览平台与现有图书馆数据库之间的数据传输通道，根据读者的阅读需求进行数据传输，得到目标图书的信息，所述偏好记录模块用于根据所述通信模块中信息传输数据和读者的阅读评分，记录读者在所述图书阅览平台中的阅读偏好信息，阅读偏好信息包括阅读操作信息、图书信息、阅读时长和阅读时刻，所述好友子模块用于读者添加好友，并收集好友的阅读偏好信息，所述推荐显示模块用于向读者显示图书推荐界面，展示兴趣图书数据集和随机推荐图书集，所述登录模块的输出端连接通信模块、偏好记录模块和推荐显示模块的输出端，所述通信模块的输出端连接所述偏好记录模块的输入端。
9.根据权利要求1所述的一种个性化图书推荐系统，其特征在于：所述数据预处理模块包括数据清理子模块、数据转化子模块和数据归一化子模块，所述数据清洗子模块采用数据动态清洗模型清除重复数据和纠正异常数据，删除不符合要求的借阅记录，提高读者获取高质量推荐图书的概率，所述数据转化子模块将读者的图书借阅信息用向量来表示，提高后续数据分类的稳定性，所述数据归一化子模块是把数据值限制在需要的一定范围内，提高程序运行的收敛性，所述数据清洗子模块的输出端连接数据转化子模块的输入端，所述数据转化子模块的输出端连接数据归一化子模块的输入端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310833295.XA CN116578726B (zh) | 2023-07-10 | 2023-07-10 | 一种个性化图书推荐系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310833295.XA CN116578726B (zh) | 2023-07-10 | 2023-07-10 | 一种个性化图书推荐系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116578726A true CN116578726A (zh) | 2023-08-11 |
| CN116578726B CN116578726B (zh) | 2023-09-29 |
Family
ID=87545585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310833295.XA Active CN116578726B (zh) | 2023-07-10 | 2023-07-10 | 一种个性化图书推荐系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116578726B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116992093A (zh) * | 2023-09-14 | 2023-11-03 | 东北农业大学 | 基于读者借阅行为的图书馆智能索引方法、设备及存储介质 |
| CN117035245A (zh) * | 2023-10-10 | 2023-11-10 | 湖北中文在线数字出版有限公司 | 一种基于数字人的图书借阅方法及系统 |
| CN117689350A (zh) * | 2024-02-01 | 2024-03-12 | 深圳市华图测控系统有限公司 | 一种基于智能书架的图书智能管理系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105183727A (zh) * | 2014-05-29 | 2015-12-23 | 上海研深信息科技有限公司 | 一种图书推荐方法及其系统 |
| WO2017124262A1 (zh) * | 2016-01-18 | 2017-07-27 | 杨瑛 | 通过刷取身份证信息推荐书籍的方法以及图书推荐系统 |
| CN109918563A (zh) * | 2019-01-24 | 2019-06-21 | 暨南大学 | 一种基于公开数据的图书推荐的方法 |
| CN112069390A (zh) * | 2020-07-15 | 2020-12-11 | 西安工程大学 | 一种基于时空维度用户图书借阅行为分析及兴趣预测方法 |
| CN113590970A (zh) * | 2021-08-11 | 2021-11-02 | 东北林业大学 | 一种基于读者偏好的个性化数字图书推荐系统、方法、计算机及存储介质 |
| CN113744032A (zh) * | 2021-09-14 | 2021-12-03 | 重庆邮电大学 | 一种图书推荐的方法、相关装置、设备及存储介质 |
| CN114398429A (zh) * | 2022-01-20 | 2022-04-26 | 广州市交通技师学院(广州市交通高级技工学校) | 一种学校图书馆智能图书推荐方法及系统 |
-
2023
- 2023-07-10 CN CN202310833295.XA patent/CN116578726B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105183727A (zh) * | 2014-05-29 | 2015-12-23 | 上海研深信息科技有限公司 | 一种图书推荐方法及其系统 |
| WO2017124262A1 (zh) * | 2016-01-18 | 2017-07-27 | 杨瑛 | 通过刷取身份证信息推荐书籍的方法以及图书推荐系统 |
| CN109918563A (zh) * | 2019-01-24 | 2019-06-21 | 暨南大学 | 一种基于公开数据的图书推荐的方法 |
| CN112069390A (zh) * | 2020-07-15 | 2020-12-11 | 西安工程大学 | 一种基于时空维度用户图书借阅行为分析及兴趣预测方法 |
| CN113590970A (zh) * | 2021-08-11 | 2021-11-02 | 东北林业大学 | 一种基于读者偏好的个性化数字图书推荐系统、方法、计算机及存储介质 |
| CN113744032A (zh) * | 2021-09-14 | 2021-12-03 | 重庆邮电大学 | 一种图书推荐的方法、相关装置、设备及存储介质 |
| CN114398429A (zh) * | 2022-01-20 | 2022-04-26 | 广州市交通技师学院(广州市交通高级技工学校) | 一种学校图书馆智能图书推荐方法及系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116992093A (zh) * | 2023-09-14 | 2023-11-03 | 东北农业大学 | 基于读者借阅行为的图书馆智能索引方法、设备及存储介质 |
| CN116992093B (zh) * | 2023-09-14 | 2024-05-28 | 东北农业大学 | 基于读者借阅行为的图书馆智能索引方法、设备及存储介质 |
| CN117035245A (zh) * | 2023-10-10 | 2023-11-10 | 湖北中文在线数字出版有限公司 | 一种基于数字人的图书借阅方法及系统 |
| CN117035245B (zh) * | 2023-10-10 | 2023-12-26 | 湖北中文在线数字出版有限公司 | 一种基于数字人的图书借阅方法及系统 |
| CN117689350A (zh) * | 2024-02-01 | 2024-03-12 | 深圳市华图测控系统有限公司 | 一种基于智能书架的图书智能管理系统 |
| CN117689350B (zh) * | 2024-02-01 | 2024-05-14 | 深圳市华图测控系统有限公司 | 一种基于智能书架的图书智能管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116578726B (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116578726B (zh) | 一种个性化图书推荐系统 | |
| US11659050B2 (en) | Discovering signature of electronic social networks | |
| CN109241405B (zh) | 一种基于知识关联的学习资源协同过滤推荐方法及系统 | |
| US9348898B2 (en) | Recommendation system with dual collaborative filter usage matrix | |
| CN111526119B (zh) | 异常流量检测方法、装置、电子设备和计算机可读介质 | |
| CN104166668A (zh) | 基于folfm模型的新闻推荐系统及方法 | |
| CN113268641B (zh) | 基于大数据的用户数据处理方法及大数据服务器 | |
| CN110532351A (zh) | 推荐词展示方法、装置、设备及计算机可读存储介质 | |
| CN110222838B (zh) | 文档排序方法、装置、电子设备及存储介质 | |
| CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
| CN110795613B (zh) | 商品搜索方法、装置、系统及电子设备 | |
| CN110598126B (zh) | 基于行为习惯的跨社交网络用户身份识别方法 | |
| US10346856B1 (en) | Personality aggregation and web browsing | |
| US9020863B2 (en) | Information processing device, information processing method, and program | |
| KR102263691B1 (ko) | 유망 콘텐츠 선정 방법, 장치 및 컴퓨터프로그램 | |
| KR20210052746A (ko) | 제품화 대상 콘텐츠의 예상 판매량 추정 방법, 장치 및 컴퓨터프로그램 | |
| EP2133822A1 (en) | A method of stem taper, volume and product breakout prediction | |
| CN115526315A (zh) | 评分卡模型的生成方法和装置 | |
| CN115311001A (zh) | 一种基于多重投票算法的预测用户换机倾向的方法及系统 | |
| CN113127696A (zh) | 一种提高基于行为的影响力度量准确性方法 | |
| CN114065024A (zh) | 基于用户个性化生活模式的poi推荐方法 | |
| CN113205427B (zh) | 社交网络的下一个兴趣点的推荐方法 | |
| CN117914733B (zh) | 基于大数据的流量分析预测方法 | |
| CN113901333B (zh) | 一种融合了图结构与文本特征的好友推荐方法 | |
| Carretta | Identifying binge-watching behavior on serial content and exploring its relevance in recommender systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240306 Address after: No. 278, Baizhuang Village, Baimahu Town, Xiajin County, Dezhou City, Shandong Province, 253200 Patentee after: Zhao Jingang Country or region after: China Address before: 102600 Room 401, 4th floor, building 5, courtyard 5, Tianhua street, Daxing District, Beijing Patentee before: Yuedu Tianxia (Beijing) International Education Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240412 Address after: 102600 Room 401, 4th floor, building 5, courtyard 5, Tianhua street, Daxing District, Beijing Patentee after: Yuedu Tianxia (Beijing) International Education Technology Co.,Ltd. Country or region after: China Address before: No. 278, Baizhuang Village, Baimahu Town, Xiajin County, Dezhou City, Shandong Province, 253200 Patentee before: Zhao Jingang Country or region before: China |