CN116992093B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116992093B CN116992093B CN202311183861.3A CN202311183861A CN116992093B CN 116992093 B CN116992093 B CN 116992093B CN 202311183861 A CN202311183861 A CN 202311183861A CN 116992093 B CN116992093 B CN 116992093B
- Authority
- CN
- China
- Prior art keywords
- borrowing
- index
- library
- appointed
- book
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000006399 behavior Effects 0.000 title claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 44
- 238000011156 evaluation Methods 0.000 claims description 41
- 238000005457 optimization Methods 0.000 claims description 33
- 230000003044 adaptive effect Effects 0.000 claims description 31
- 230000006978 adaptation Effects 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013475 authorization Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及图书馆智能索引技术领域,具体公开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,该方法包括:指定读者历史借阅次数采集、初次图书借阅索引分析筛分、图书智能索引推荐分析和图书馆智能索引优化反馈,本发明通过分析筛分指定读者的适配图书品类,并进行指定读者的初次图书借阅索引,细致性的分析各图书品类对读者的阅读推荐情况,不仅可以减少读者需要筛选图书的时间,且提高了图书馆智能索引的有效利用度,同时通过分析索引需求优化值,并对图书馆智能索引进行优化反馈,将读者的有效索引次数和索引利用时长进行整合性分析,有利于图书馆实现更智能化、个性化的图书索引和推荐服务。
Description
技术领域
本发明涉及图书馆智能索引技术领域,具体为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。
背景技术
当前,由于通过阅读和学习可以提升自己的知识水平和技能,因此人们前往图书馆寻找相关书籍的次数也在提高,而图书馆智能索引技术可以使得读者更快捷、更高效的找到所需的书籍,所以对图书馆智能索引技术进行全方面的改进是必要的,不仅可以提高整体的教育普及程度,且有助于为读者的图书借阅提供高度的辅助指引。
如今,在图书馆智能索引方面还存在一些不足,具体体现在以下几个层面:(1)现有技术对初次找寻图书的读者进行图书推荐时,往往通过固态式的感知索引推荐,并没有考虑到读者的年龄以及性别是否与推荐的图书相匹配,且分析的相关参数不够全面,使得无法保证推荐的图书与读者的实质情况相协调匹配,并不能高效的向读者提供个性化的图书推荐和索引。
(2)现有技术在对图书馆的智能索引进行改进时,通常会忽视读者在索引时的使用时长以及读者的有效索引次数占比,会使得后续图书馆索引进行需求优化的分析结果与实际需求的结果存在较大程度上的偏差,不利于图书馆实现更智能化、个性化的图书索引和推荐服务,且无法提升读者的借阅体验和满意度。
发明内容
针对现有技术的不足,本发明提供了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,能够有效解决上述背景技术中涉及的问题。
为实现以上目的,本发明通过以下技术方案予以实现:本发明第一方面提供了基于读者借阅行为的图书馆智能索引方法,包括:步骤一、采集指定读者的人脸识别图像,得到指定读者的历史借阅次数,若历史借阅次数为零次,则执行步骤二,反之,则执行步骤三。
步骤二、对指定读者进行信息采集授权认证,由此统计指定读者的特征信息,并通过分析筛分指定读者的适配图书品类,据此进行指定读者的初次图书借阅索引。
步骤三、获取指定读者的历史借阅记录,并通过分析得到指定读者的借阅行为特征值,由此对指定读者进行索引关键词识别,并对指定读者进行图书智能索引推荐。
步骤四、综合分析索引需求优化值,并对图书馆智能索引进行优化反馈。
作为进一步的方法,所述筛分指定读者的适配图书品类,具体分析过程为:
获取图书馆中各借阅图书品类对应的各历史借阅读者的年龄NLij和性别,其中i表示为各借阅图书品类的编号,i=1,2,3,...,m,m表示为借阅图书品类的数目,j表示为各历史借阅读者的编号,j=1,2,3,...,n,n表示为历史借阅读者的数目。
根据指定读者的特征信息,其中特征信息为年龄NL定和性别,计算指定读者与各借阅图书品类的年龄适配度αi,计算公式为:其中ΔNL′表示为预定义的年龄许可偏差值,a1表示为预定义的年龄适配对应的修正因子,e表示为自然常数。
根据指定读者的性别,统计图书馆中各借阅图书品类与指定读者性别一致的历史借阅读者数目DZi,计算指定读者与各借阅图书品类的性别契合值εi,计算公式为:其中Z1表示为预定义的性别契合对应的修正因子。
综合计算指定读者与各借阅图书品类的适配评估值ηi,计算公式为:其中b1和b2分别表示为预定义的年龄适配度和性别契合值对应的权重因子。
依据指定读者与各借阅图书品类的适配评估值,将最大适配评估值对应的借阅图书品类记为指定读者的适配图书品类。
作为进一步的方法,所述进行指定读者的初次图书借阅索引,具体分析过程为:
根据指定读者对应的适配图书品类,统计适配图书品类中的各适配图书,获取各适配图书的已借阅次数CSp和总借阅时长Tp,其中p表示为各适配图书的编号,p=1,2,3,...,q,q表示为适配图书的数目,并从图书信息库中提取各适配图书的初始评价满意度MYp 初。
计算各适配图书的阅读推荐指数μp,计算公式为:其中CS0和T0分别表示为预设的参照借阅次数和适配借阅时长,Y1、Y2和Y3分别表示为预定义的借阅次数、借阅时长和评价满意度对应的阅读推荐评价因子。
依据各适配图书的阅读推荐指数,按照从大到小的顺序依次进行排列,由此进行指定读者的初次图书借阅索引。
作为进一步的方法,所述指定读者的借阅行为特征值,具体分析过程为:
根据指定读者的历史借阅次数,统计指定读者的借阅记录,其中借阅记录为各已借阅图书的借阅时长SCv,其中v表示为各已借阅图书的编号,v=1,2,3,...,w,w表示为已借阅图书的数量。
计算指定读者的图书借阅时长评估指数计算公式为:其中G1和G2分别表示为预定义的单位借阅时长对应的影响因子和借阅时长对应的评估修正因子。
获取指定读者的历史索引次数,从中提取指定读者的各次索引对应的推荐图书,由此提取指定读者的各次索引对应的实质借阅交叠图书数目TJB,其中B表示为各次索引的编号,B=1,2,3,...,Q,Q表示为索引总次数。
计算指定读者的图书借阅交叠评估指数σ,计算公式为:其中X1表示为预定义的单位借阅交叠图书数目对应的评估因子。
综合计算指定读者的借阅行为特征值ω,计算公式为:其中d1和d2分别表示为预定义的图书借阅时长评估指数和图书借阅交叠评估指数对应的权值。
作为进一步的方法,所述对指定读者进行图书智能索引推荐,具体分析过程为:
对指定读者的输入索引关键词进行感知,得到指定读者的输入索引关键词,并与图书信息库中存储的各关键词对应的各馆藏图书进行比对,得到指定读者的输入索引关键词对应的各馆藏图书,同时通过预处理去除已借阅图书,由此得到指定读者的输入索引关键词对应的各在馆图书,记为各关键在馆图书。
依据图书信息库中存储的各馆藏图书所属参照适配借阅行为特征值,从中提取各关键在馆图书所属参照适配借阅行为特征值ωC′,其中C表示为各关键在馆图书的编号,C=1,2,3,...,R,R表示为关键在馆图书的数目。
计算各关键在馆图书对应的借阅行为特征符合指数δC,计算公式为:其中S1表示为预定义的借阅行为特征对应的修正因子。
从图书信息库中提取各关键在馆图书的入馆时长RSC以及累计被借阅次数RLC,同时提取预定义的参照适配借阅频次PZ′。
计算各关键在馆图书对应的借阅适配指数τC,计算公式为:其中RS′表示为预定义的关键在馆图书的参照入馆时长,A1和A2分别表示为预定义的入馆时长以及累计被借阅次数对应的修正因子。
综合计算各关键在馆图书的阅读推荐值βC,计算公式为:其中L1和L2分别表示为预定义的借阅行为特征符合指数和借阅适配指数对应的权重因子。
将各关键在馆图书的阅读推荐值按照从大到小的顺序依次进行排列,由此对指定读者进行图书智能索引推荐。
作为进一步的方法,所述综合分析索引需求优化值,具体分析过程为:
统计图书馆中的各借阅读者,并提取各借阅读者在设定的历史参照周期下的总索引次数SYE,其中E表示为各借阅读者的编号,E=1,2,3,...,K,K表示为借阅读者的数目,由此筛分各借阅读者在历史参照周期中的有效索引次数SYE 用。
计算图书馆的索引使用有效指数φ,计算公式为:其中f1表示为预定义的有效索引次数对应的修正因子。
获取各借阅读者在设定的历史参照周期下的各次索引利用时长TSEF,其中F表示为各次索引的编号,F=1,2,3,...,H,同时提取预定义参照适配利用时长TS′。
计算图书馆的索引利用时长适宜指数θ,计算公式为:其中f2表示为预定义的索引利用时长对应的修正因子。
综合计算索引需求优化值计算公式为:/>其中g1和g2分别表示为预定义的索引使用有效指数和索引利用时长适宜指数对应的权重因子。
作为进一步的方法,所述对图书馆智能索引进行优化反馈,具体分析过程为:
将索引需求优化值与预设的索引需求优化阈值进行比对,若索引需求优化值高于索引需求优化阈值,则对图书馆智能索引进行优化反馈。
本发明第二方面提供了基于读者借阅行为的图书馆智能索引设备,包括:处理器,以及与处理器连接的内存和网络接口;所述网络接口与服务器中的非易失性存储器连接;所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序,并通过所述内存运行所述计算机程序,以执行上述权利要求中任一项所述的方法。
本发明第三方面提供了基于读者借阅行为的图书馆智能索引存储介质,所述存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现上述权利要求中任一项所述的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
(1)本发明通过提供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,根据读者的历史借阅次数,分别对相应读者进行智能索引推荐,为图书馆读者的个性化索引推荐提供更加具有科学性和可靠性的数据依据,同时保证读者能够更快捷、更高效的找到所需的书籍。
(2)本发明通过分析筛分指定读者的适配图书品类,并进行指定读者的初次图书借阅索引,将读者的年龄以及性别进行综合性分析,同时细致性的分析各图书品类对读者的阅读推荐情况,可以减少读者筛选图书的时间,且提高了图书馆智能索引的有效利用度。
(3)本发明通过获取指定读者的历史借阅记录,并分析得到指定读者的借阅行为特征值,不仅能够为后续对指定读者进行图书智能索引推荐提供更加科学的数据支撑,且有助于提升读者的借阅体验和满意度。
(4)本发明通过分析索引需求优化值,并对图书馆智能索引进行优化反馈,将读者的有效索引次数和索引利用时长进行整合性分析,使得后续图书馆索引进行需求优化的分析结果与实际需求的结果之间的偏差会减少,有利于图书馆实现更智能化、个性化的图书索引和推荐服务。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的方法步骤流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明第一方面提供了基于读者借阅行为的图书馆智能索引方法,包括:步骤一、采集指定读者的人脸识别图像,得到指定读者的历史借阅次数,若历史借阅次数为零次,则执行步骤二,反之,则执行步骤三。
步骤二、对指定读者进行信息采集授权认证,由此统计指定读者的特征信息,并通过分析筛分指定读者的适配图书品类,据此进行指定读者的初次图书借阅索引。
需要解释的是,上述对指定读者进行信息采集授权认证,可以确认读者的身份,确保只有合法的读者可以使用图书馆的资源和服务,目的是维护读者的信息安全,并尊重读者的个人隐私权,同时利用读者信息进行统计和分析,了解读者群体的特征和趋势。
具体的,所述筛分指定读者的适配图书品类,具体分析过程为:
获取图书馆中各借阅图书品类对应的各历史借阅读者的年龄NLij和性别,其中i表示为各借阅图书品类的编号,i=1,2,3,...,m,m表示为借阅图书品类的数目,j表示为各历史借阅读者的编号,j=1,2,3,...,n,n表示为历史借阅读者的数目。
根据指定读者的特征信息,其中特征信息为年龄NL定和性别,计算指定读者与各借阅图书品类的年龄适配度αi,计算公式为:其中ΔNL′表示为预定义的年龄许可偏差值,a1表示为预定义的年龄适配对应的修正因子,e表示为自然常数。
根据指定读者的性别,统计图书馆中各借阅图书品类与指定读者性别一致的历史借阅读者数目DZi,计算指定读者与各借阅图书品类的性别契合值εi,计算公式为:其中Z1表示为预定义的性别契合对应的修正因子。
综合计算指定读者与各借阅图书品类的适配评估值ηi,计算公式为:其中b1和b2分别表示为预定义的年龄适配度和性别契合值对应的权重因子。
需要解释的是,上述获取图书馆中各借阅图书品类对应的各历史借阅读者的年龄和性别,具体从图书馆的借阅管理系统进行提取获得,综合计算指定读者与各借阅图书品类的适配评估值,有助于筛选出适合指定读者的图书品类,使读者更快速的明确需要阅读的书籍类型。
依据指定读者与各借阅图书品类的适配评估值,将最大适配评估值对应的借阅图书品类记为指定读者的适配图书品类。
进一步的,所述进行指定读者的初次图书借阅索引,具体分析过程为:
根据指定读者对应的适配图书品类,统计适配图书品类中的各适配图书,获取各适配图书的已借阅次数CSp和总借阅时长Tp,其中p表示为各适配图书的编号,p=1,2,3,...,q,q表示为适配图书的数目,并从图书信息库中提取各适配图书的初始评价满意度MYp 初。
需要解释的是,上述获取各适配图书的已借阅次数和总借阅时长,获取方式是图书馆的借阅管理系统。
计算各适配图书的阅读推荐指数μp,计算公式为:其中CS0和T0分别表示为预设的参照借阅次数和适配借阅时长,Y1、Y2和Y3分别表示为预定义的借阅次数、借阅时长和评价满意度对应的阅读推荐评价因子。
需要解释的是,上述计算各适配图书的阅读推荐指数,将各适配图书的已借阅次数、总借阅时长和初始评价满意度进行综合性分析,目的是使得读者可以更加清晰地了解各适配图书的具体信息,并根据各适配图书的阅读推荐指数的排列顺序,有助于读者简洁、高效的筛选出自己想要阅读的书籍。
依据各适配图书的阅读推荐指数,按照从大到小的顺序依次进行排列,由此进行指定读者的初次图书借阅索引。
在一个具体的实施例中,本发明通过分析筛分指定读者的适配图书品类,并进行指定读者的初次图书借阅索引,将读者的年龄以及性别进行综合性分析,同时细致性的分析各图书品类对读者的阅读推荐情况,可以减少读者筛选图书的时间,且提高了图书馆智能索引的有效利用度。
步骤三、获取指定读者的历史借阅记录,并通过分析得到指定读者的借阅行为特征值,由此对指定读者进行索引关键词识别,并对指定读者进行图书智能索引推荐。
具体的,所述指定读者的借阅行为特征值,具体分析过程为:
根据指定读者的历史借阅次数,统计指定读者的借阅记录,其中借阅记录为各已借阅图书的借阅时长SCv,其中v表示为各已借阅图书的编号,v=1,2,3,...,w,w表示为已借阅图书的数量。
计算指定读者的图书借阅时长评估指数计算公式为:其中G1和G2分别表示为预定义的单位借阅时长对应的影响因子和借阅时长对应的评估修正因子。
需要解释的是,上述各已借阅图书的借阅时长,所获取的方式是图书馆的借阅管理系统,计算指定读者的图书借阅时长评估指数,可以了解读者对不同类型、主题或作者的图书的兴趣程度和阅读速度,有助于科学判定读者对图书的需求,并为读者提供更个性化的图书推荐和阅读推荐。
获取指定读者的历史索引次数,从中提取指定读者的各次索引对应的推荐图书,由此提取指定读者的各次索引对应的实质借阅交叠图书数目TJB,其中B表示为各次索引的编号,B=1,2,3,...,Q,Q表示为索引总次数。
计算指定读者的图书借阅交叠评估指数σ,计算公式为:其中X1表示为预定义的单位借阅交叠图书数目对应的评估因子。
需要解释的是,上述获取指定读者的历史索引次数,是通过图书馆的借阅管理系统获取的,计算指定读者的图书借阅交叠评估指数,可以更好地了解读者的阅读需求和兴趣偏好,有助于图书馆提供更有针对性的图书推荐和服务,若交叠评估指数较低,可能意味着图书馆的馆藏管理需要调整或者图书馆的索引系统存在问题,图书馆需要提供更智能化的索引建议,以提高读者对所需图书的索引成功率和满意度,并提高读者的索引效果和使用便利性。
综合计算指定读者的借阅行为特征值ω,计算公式为:其中d1和d2分别表示为预定义的图书借阅时长评估指数和图书借阅交叠评估指数对应的权值。
进一步的,所述对指定读者进行图书智能索引推荐,具体分析过程为:
对指定读者的输入索引关键词进行感知,得到指定读者的输入索引关键词,并与图书信息库中存储的各关键词对应的各馆藏图书进行比对,得到指定读者的输入索引关键词对应的各馆藏图书,同时通过预处理去除已借阅图书,由此得到指定读者的输入索引关键词对应的各在馆图书,记为各关键在馆图书。
依据图书信息库中存储的各馆藏图书所属参照适配借阅行为特征值,从中提取各关键在馆图书所属参照适配借阅行为特征值ωC′,其中C表示为各关键在馆图书的编号,C=1,2,3,...,R,R表示为关键在馆图书的数目。
计算各关键在馆图书对应的借阅行为特征符合指数δC,计算公式为:其中S1表示为预定义的借阅行为特征对应的修正因子。
从图书信息库中提取各关键在馆图书的入馆时长RSC以及累计被借阅次数RLC,同时提取预定义的参照适配借阅频次PZ′。
计算各关键在馆图书对应的借阅适配指数τC,计算公式为:其中RS′表示为预定义的关键在馆图书的参照入馆时长,A1和A2分别表示为预定义的入馆时长以及累计被借阅次数对应的修正因子。
需要解释的是,上述计算各关键在馆图书对应的借阅行为特征符合指数以及借阅适配指数,可以使得读者了解各图书在图书馆中的受欢迎程度,若一本图书的借阅次数较多,可能意味着该图书内容丰富、值得一读,能够让读者更清晰的选择符合自己需求和兴趣的图书。
综合计算各关键在馆图书的阅读推荐值βC,计算公式为:其中L1和L2分别表示为预定义的借阅行为特征符合指数和借阅适配指数对应的权重因子。
将各关键在馆图书的阅读推荐值按照从大到小的顺序依次进行排列,由此对指定读者进行图书智能索引推荐。
在一个具体的实施例中,本发明通过获取指定读者的历史借阅记录,并分析得到指定读者的借阅行为特征值,不仅能够为后续对指定读者进行图书智能索引推荐提供更加科学的数据支撑,且有助于提升读者的借阅体验和满意度。
步骤四、综合分析索引需求优化值,并对图书馆智能索引进行优化反馈。
具体的,所述综合分析索引需求优化值,具体分析过程为:
统计图书馆中的各借阅读者,并提取各借阅读者在设定的历史参照周期下的总索引次数SYE,其中E表示为各借阅读者的编号,E=1,2,3,...,K,K表示为借阅读者的数目,由此筛分各借阅读者在历史参照周期中的有效索引次数SYE 用。
计算图书馆的索引使用有效指数φ,计算公式为:其中f1表示为预定义的有效索引次数对应的修正因子。
需要解释的是,上述提取各借阅读者在设定的历史参照周期下的总索引次数,通过图书馆索引管理系统获取的,计算图书馆的索引使用有效指数,若索引使用有效指数过低可能意味着索引系统存在问题,需要进行改进和优化,通过了解索引系统的强项和弱点,图书馆可以优化索引结果的准确性和相关性,提升读者使用体验,让读者更方便快捷地找到所需的图书和信息。
获取各借阅读者在设定的历史参照周期下的各次索引利用时长TSEF,其中F表示为各次索引的编号,F=1,2,3,...,H,同时提取预定义参照适配利用时长TS′。
计算图书馆的索引利用时长适宜指数θ,计算公式为:其中f2表示为预定义的索引利用时长对应的修正因子。
需要解释的是,上述获取各借阅读者在设定的历史参照周期下的各次索引利用时长,获取方式是图书馆索引管理系统,计算图书馆的索引利用时长适宜指数,如果读者在索引系统上花费较长的时间,可能意味着索引系统界面复杂、功能不够直观,或者索引结果的相关性不够高,因此需要对图书馆的索引系统进行针对性的改进,以提升索引结果的准确性,且提高用户体验和搜索效率。
综合计算索引需求优化值计算公式为:/>其中g1和g2分别表示为预定义的索引使用有效指数和索引利用时长适宜指数对应的权重因子。
进一步的,所述对图书馆智能索引进行优化反馈,具体分析过程为:
将索引需求优化值与预设的索引需求优化阈值进行比对,若索引需求优化值高于索引需求优化阈值,则对图书馆智能索引进行优化反馈。
在一个具体的实施例中,本发明通过分析索引需求优化值,并对图书馆智能索引进行优化反馈,将读者的有效索引次数和索引利用时长进行整合性分析,使得后续图书馆索引进行需求优化的分析结果与实际需求的结果之间的偏差会减少,有利于图书馆实现更智能化、个性化的图书索引和推荐服务。
本发明第二方面提供了基于读者借阅行为的图书馆智能索引设备,包括:处理器,以及与处理器连接的内存和网络接口;所述网络接口与服务器中的非易失性存储器连接;所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序,并通过所述内存运行所述计算机程序,以执行上述权利要求中任一项所述的方法。
本发明第三方面提供了基于读者借阅行为的图书馆智能索引存储介质,包括:所述存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现上述权利要求中任一项所述的方法。
在一个具体的实施例中,本发明通过提供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,根据读者的历史借阅次数,分别对相应读者进行智能索引推荐,为图书馆读者的个性化索引推荐提供更加具有科学性和可靠性的数据依据,同时保证读者能够更快捷、更高效的找到所需的书籍。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (4)
1.基于读者借阅行为的图书馆智能索引方法,其特征在于,包括:
步骤一、采集指定读者的人脸识别图像,得到指定读者的历史借阅次数,若历史借阅次数为零次,则执行步骤二,反之,则执行步骤三;
步骤二、对指定读者进行信息采集授权认证,由此统计指定读者的特征信息,并通过分析筛分指定读者的适配图书品类,据此进行指定读者的初次图书借阅索引;
步骤三、获取指定读者的历史借阅记录,并通过分析得到指定读者的借阅行为特征值,由此对指定读者进行索引关键词识别,并对指定读者进行图书智能索引推荐;
步骤四、综合分析索引需求优化值,并对图书馆智能索引进行优化反馈;
所述筛分指定读者的适配图书品类,具体分析过程为:
获取图书馆中各借阅图书品类对应的各历史借阅读者的年龄NLij和性别,其中i表示为各借阅图书品类的编号,i=1,2,3,...,m,m表示为借阅图书品类的数目,j表示为各历史借阅读者的编号,j=1,2,3,...,n,n表示为历史借阅读者的数目;
根据指定读者的特征信息,其中特征信息为年龄NL定和性别,计算指定读者与各借阅图书品类的年龄适配度αi,计算公式为:其中ΔNL′表示为预定义的年龄许可偏差值,a1表示为预定义的年龄适配对应的修正因子,e表示为自然常数;
根据指定读者的性别,统计图书馆中各借阅图书品类与指定读者性别一致的历史借阅读者数目DZi,计算指定读者与各借阅图书品类的性别契合值εi,计算公式为:其中Z1表示为预定义的性别契合对应的修正因子;
综合计算指定读者与各借阅图书品类的适配评估值ηi,计算公式为:其中b1和b2分别表示为预定义的年龄适配度和性别契合值对应的权重因子;
依据指定读者与各借阅图书品类的适配评估值,将最大适配评估值对应的借阅图书品类记为指定读者的适配图书品类;
所述进行指定读者的初次图书借阅索引,具体分析过程为:
根据指定读者对应的适配图书品类,统计适配图书品类中的各适配图书,获取各适配图书的已借阅次数CSp和总借阅时长Tp,其中p表示为各适配图书的编号,p=1,2,3,...,q,q表示为适配图书的数目,并从图书信息库中提取各适配图书的初始评价满意度MYp 初;
计算各适配图书的阅读推荐指数μp,计算公式为:其中CS0和T0分别表示为预设的参照借阅次数和适配借阅时长,Y1、Y2和Y3分别表示为预定义的借阅次数、借阅时长和评价满意度对应的阅读推荐评价因子;
依据各适配图书的阅读推荐指数,按照从大到小的顺序依次进行排列,由此进行指定读者的初次图书借阅索引;
所述指定读者的借阅行为特征值,具体分析过程为:
根据指定读者的历史借阅次数,统计指定读者的借阅记录,其中借阅记录为各已借阅图书的借阅时长SCv,其中v表示为各已借阅图书的编号,v=1,2,3,...,w,w表示为已借阅图书的数量;
计算指定读者的图书借阅时长评估指数计算公式为:其中G1和G2分别表示为预定义的单位借阅时长对应的影响因子和借阅时长对应的评估修正因子;
获取指定读者的历史索引次数,从中提取指定读者的各次索引对应的推荐图书,由此提取指定读者的各次索引对应的实质借阅交叠图书数目TJB,其中B表示为各次索引的编号,B=1,2,3,...,Q,Q表示为索引总次数;
计算指定读者的图书借阅交叠评估指数σ,计算公式为:其中X1表示为预定义的单位借阅交叠图书数目对应的评估因子;
综合计算指定读者的借阅行为特征值ω,计算公式为:其中d1和d2分别表示为预定义的图书借阅时长评估指数和图书借阅交叠评估指数对应的权值;
所述对指定读者进行图书智能索引推荐,具体分析过程为:
对指定读者的输入索引关键词进行感知,得到指定读者的输入索引关键词,并与图书信息库中存储的各关键词对应的各馆藏图书进行比对,得到指定读者的输入索引关键词对应的各馆藏图书,同时通过预处理去除已借阅图书,由此得到指定读者的输入索引关键词对应的各在馆图书,记为各关键在馆图书;
依据图书信息库中存储的各馆藏图书所属参照适配借阅行为特征值,从中提取各关键在馆图书所属参照适配借阅行为特征值ωC′,其中C表示为各关键在馆图书的编号,C=1,2,3,...,R,R表示为关键在馆图书的数目;
计算各关键在馆图书对应的借阅行为特征符合指数δC,计算公式为:其中S1表示为预定义的借阅行为特征对应的修正因子;
从图书信息库中提取各关键在馆图书的入馆时长RSC以及累计被借阅次数RLC,同时提取预定义的参照适配借阅频次PZ′;
计算各关键在馆图书对应的借阅适配指数τC,计算公式为:其中RS′表示为预定义的关键在馆图书的参照入馆时长,A1和A2分别表示为预定义的入馆时长以及累计被借阅次数对应的修正因子;
综合计算各关键在馆图书的阅读推荐值βC,计算公式为:其中L1和L2分别表示为预定义的借阅行为特征符合指数和借阅适配指数对应的权重因子;
将各关键在馆图书的阅读推荐值按照从大到小的顺序依次进行排列,由此对指定读者进行图书智能索引推荐;
所述综合分析索引需求优化值,具体分析过程为:
统计图书馆中的各借阅读者,并提取各借阅读者在设定的历史参照周期下的总索引次数SYE,其中E表示为各借阅读者的编号,E=1,2,3,...,K,K表示为借阅读者的数目,由此筛分各借阅读者在历史参照周期中的有效索引次数SYE 用;
计算图书馆的索引使用有效指数φ,计算公式为:其中f1表示为预定义的有效索引次数对应的修正因子;
获取各借阅读者在设定的历史参照周期下的各次索引利用时长TSEF,其中F表示为各次索引的编号,F=1,2,3,...,H,同时提取预定义参照适配利用时长TS′;
计算图书馆的索引利用时长适宜指数θ,计算公式为:其中f2表示为预定义的索引利用时长对应的修正因子;
综合计算索引需求优化值计算公式为:/>其中g1和g2分别表示为预定义的索引使用有效指数和索引利用时长适宜指数对应的权重因子。
2.根据权利要求1所述的基于读者借阅行为的图书馆智能索引方法,其特征在于:所述对图书馆智能索引进行优化反馈,具体分析过程为:
将索引需求优化值与预设的索引需求优化阈值进行比对,若索引需求优化值高于索引需求优化阈值,则对图书馆智能索引进行优化反馈。
3.基于读者借阅行为的图书馆智能索引设备,其特征在于:包括:处理器,以及与处理器连接的内存和网络接口;所述网络接口与服务器中的非易失性存储器连接;所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序,并通过所述内存运行所述计算机程序,以执行上述权利要求1-2任一项所述的方法。
4.基于读者借阅行为的图书馆智能索引存储介质,其特征在于:所述存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现上述权利要求1-2任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311183861.3A CN116992093B (zh) | 2023-09-14 | 2023-09-14 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311183861.3A CN116992093B (zh) | 2023-09-14 | 2023-09-14 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116992093A CN116992093A (zh) | 2023-11-03 |
CN116992093B true CN116992093B (zh) | 2024-05-28 |
Family
ID=88532268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311183861.3A Active CN116992093B (zh) | 2023-09-14 | 2023-09-14 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116992093B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070107328A (ko) * | 2006-05-02 | 2007-11-07 | 하주일 | 적서 제공 시스템에 의한 인터넷 도서 판매 방법 |
CN103176982A (zh) * | 2011-12-20 | 2013-06-26 | 中国移动通信集团浙江有限公司 | 一种电子图书推荐的方法及系统 |
CN109920174A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技(深圳)有限公司 | 图书借阅方法、装置、电子设备及存储介质 |
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 |
CN110489633A (zh) * | 2019-08-22 | 2019-11-22 | 广州图创计算机软件开发有限公司 | 一种基于图书馆数据的智慧大脑服务平台 |
CN116361552A (zh) * | 2023-03-28 | 2023-06-30 | 北京思源智通科技有限责任公司 | 校园图书检索方法、装置、设备及可读存储介质 |
CN116578726A (zh) * | 2023-07-10 | 2023-08-11 | 悦读天下(北京)国际教育科技有限公司 | 一种个性化图书推荐系统 |
CN116644181A (zh) * | 2023-05-10 | 2023-08-25 | 广东天卷教育设备有限公司 | 一种图书馆机器人的数据处理方法、装置、设备及介质 |
-
2023
- 2023-09-14 CN CN202311183861.3A patent/CN116992093B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070107328A (ko) * | 2006-05-02 | 2007-11-07 | 하주일 | 적서 제공 시스템에 의한 인터넷 도서 판매 방법 |
CN103176982A (zh) * | 2011-12-20 | 2013-06-26 | 中国移动通信集团浙江有限公司 | 一种电子图书推荐的方法及系统 |
CN109920174A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技(深圳)有限公司 | 图书借阅方法、装置、电子设备及存储介质 |
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 |
CN110489633A (zh) * | 2019-08-22 | 2019-11-22 | 广州图创计算机软件开发有限公司 | 一种基于图书馆数据的智慧大脑服务平台 |
CN116361552A (zh) * | 2023-03-28 | 2023-06-30 | 北京思源智通科技有限责任公司 | 校园图书检索方法、装置、设备及可读存储介质 |
CN116644181A (zh) * | 2023-05-10 | 2023-08-25 | 广东天卷教育设备有限公司 | 一种图书馆机器人的数据处理方法、装置、设备及介质 |
CN116578726A (zh) * | 2023-07-10 | 2023-08-11 | 悦读天下(北京)国际教育科技有限公司 | 一种个性化图书推荐系统 |
Non-Patent Citations (4)
Title |
---|
基于图书馆微信平台的馆配云平台图书数据推送研究;陈春阳;;出版发行研究;20180515(05);全文 * |
基于数据挖掘技术的图书推荐算法应用研究;王红;;现代信息科技;20191210(23);全文 * |
基于文献借阅排行榜的公共图书馆读者阅读倾向分析――以湖北省图书馆为例;汪仕君;;荆楚学刊;20180425(02);全文 * |
基于读者个性化特征的图书馆书目推荐;李萍;彭小华;;现代电子技术;20180830(17);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116992093A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Online evolutionary collaborative filtering | |
US7904442B2 (en) | Method and apparatus for facilitating a collaborative search procedure | |
Li et al. | News recommendation via hypergraph learning: encapsulation of user behavior and news content | |
US9082084B2 (en) | Facilitating machine learning in an online social network | |
CN100565670C (zh) | 用于用户模型化以增强对命名实体识别的系统和方法 | |
CN109871483A (zh) | 一种推荐信息的确定方法及装置 | |
CN107862022B (zh) | 文化资源推荐系统 | |
US20080046411A1 (en) | Method and System for Managing the Impressing of the Search Listing Based on Advertisement Group | |
US20070266025A1 (en) | Implicit tokenized result ranking | |
CN105159932B (zh) | 一种数据检索引擎和排序系统和方法 | |
Rafter et al. | Personalised retrieval for online recruitment services | |
CN101641697A (zh) | 对网页的相关搜索查询及其应用 | |
CN104809252B (zh) | 互联网数据提取系统 | |
CN106227510A (zh) | 应用推荐方法及装置 | |
Kacem et al. | Time-sensitive user profile for optimizing search personlization | |
Bharti et al. | Improving web page access prediction using web usage mining and web content mining | |
CN106844653A (zh) | 一种媒体数据推荐方法及系统 | |
CN111078997B (zh) | 一种资讯推荐方法及装置 | |
KR20180075234A (ko) | 컨텐츠에 대한 유입검색어 및 연관검색어 기반의 컨텐츠 추천방법 및 추천장치 | |
Lv et al. | An exploration of ranking heuristics in mobile local search | |
CN110598126B (zh) | 基于行为习惯的跨社交网络用户身份识别方法 | |
US20090157670A1 (en) | Contents-retrieving apparatus and method | |
CN116992093B (zh) | 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 | |
CN113282641A (zh) | 基于用户行为深度分析的网页搜索数据信息智能分类管理方法、系统及计算机存储介质 | |
Jiang et al. | A topic model based on Poisson decomposition |
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 |