CN117035245A - 一种基于数字人的图书借阅方法及系统 - Google Patents
一种基于数字人的图书借阅方法及系统 Download PDFInfo
- Publication number
- CN117035245A CN117035245A CN202311307191.1A CN202311307191A CN117035245A CN 117035245 A CN117035245 A CN 117035245A CN 202311307191 A CN202311307191 A CN 202311307191A CN 117035245 A CN117035245 A CN 117035245A
- Authority
- CN
- China
- Prior art keywords
- user
- book
- borrowing
- feature
- digital person
- 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 title claims abstract description 33
- 239000013598 vector Substances 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000006399 behavior Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 239000003016 pheromone Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及大数据处理领域,更具体地,本发明涉及一种基于数字人的图书借阅方法及系统,包括:获取用户注册信息以及图书借阅记录信息;对所述用户注册信息以及图书借阅记录信息进行预处理,获得用户信息数据集;对所述用户信息数据集进行分类得到事实类、规则类两类基本标签;统计用户的历史借阅记录以获取用户的借阅特征向量集,其中,所述借阅特征向量集中的借阅特征向量为四元组形式,代表用户u对图书i的借阅行为从时刻开始到时刻结束;根据借阅特征向量计算用户历史已借阅图书的借阅时长权重,然后依据预设的时间衰减因子对所述借阅时长权重进行修正得到用户对图书的偏好特征权重。
Description
技术领域
本发明涉及大数据处理领域。更具体地,本发明涉及基于数字人的图书借阅方法及系统。
背景技术
数字人是通过动作捕捉、三维建模、语音合成等技术高度还原真实人类,再借助AR/MR/VR等终端呈现出来的存在于数字世界中的“人”。在人工智能、虚拟现实等新技术浪潮的带动下,数字人的各方面性能获得飞跃式提升,开始从外观的数字化逐渐深入到行为的交互化、思想的智能化,给用户带来更趋近于真人对话的亲切感。
数字人在图书馆服务场景中的使用已得到了发展和应用,现有应用中的数字人大多在图书馆大厅、前台放置一个数字液晶屏以搭载数字人功能,为用户实现基本信息查询及图书推荐功能,但大多推荐功能中往往没有考虑到时间因素对兴趣的影响。而在图书推荐中,借阅行为的时间序列因素与用户兴趣之间的联系是十分重要的,如用户的读书兴趣会随着年龄增长发生变化,或对于某项知识、技能的学习随着时间变化需要由浅入深以及由点及面地阅读更深入的书籍,在不考虑时间因素对用户兴趣影响的前提下进行图书推荐,容易出现推荐图书与用户的兴趣图书相差加大,影响用户体验效果。
发明内容
为解决上述一个或多个技术问题,本发明提出一种基于数字人的图书借阅方法,包括:
获取用户的注册信息以及图书借阅记录信息;
对所述用户的注册信息以及图书借阅记录信息进行预处理,获得用户信息数据集;
对所述用户信息数据集进行分类得到事实类、规则类两类基本标签;
统计用户的历史借阅记录以获取用户的借阅特征向量集,其中,所述借阅特征向量集中的借阅特征向量为四元组形式,代表用户u对图书i的借阅行为从时刻开始到时刻/>结束;
根据借阅特征向量计算用户历史已借阅图书的借阅时长权重,然后依据预设的时间衰减因子对所述借阅时长权重进行修正得到用户对图书的偏好特征权重;
所述图书借阅时长权重的计算过程为:
其中,表示用户u对图书i的偏好值,/>为用户u对借阅图书 i的借阅时长,表示用户u所有已借阅图书的最短借阅时长,/>表示用户u所有已借阅图书的最长借阅时长;
所述时间衰减因子满足关系式:
其中,t为当前时间,为用户归还图书i的时间,/>即为当前时间t用户u对图书i的偏好权重,k为预设的衰减系数,即表示图书偏好热度随时间变化的冷却速度;
整合用户对所有图书的偏好特征权重获得偏好特征标签;
分别将用户的偏好特征标签、事实类标签以及规则类标签中的数值型特征和类别型特征标签进行稀疏编码处理获得稀疏编码特征标签,并将所述稀疏编码特征标签输入DeepFM模型中进行计算,输出对应用户的图书推荐结果;
获取用户选定的目标图书,基于所述目标图书为用户生成所述目标图书的搜寻路径,并依据预设的虚拟数字人根据所述搜寻路径指导用户获取所述目标图书。
在一个实施例中,所述用户注册信息以及图书借阅记录信息预处理包括将查询到的信息进行数据去重,异常值、缺失值处理,时间格式归一化。
在一个实施例中,所述事实类标签包括性别、年龄、职业以及所在地区,规则类标签为基于用户行为及确定的规则产生的标签。
在一个实施例中,所述稀疏编码处理包括数值型特征不变,类别型特征使用Qne-Hot编码处理,转化为数值特征向量。
在一个实施例中,所述为用户生成所述目标图书的搜寻路径包括:
读取用户以及图书的位置点,生成每两个位置点之间的最短路径并记录路径长度;
对每两个位置点之间的最短路径整合,构建图书馆场景的有向完全图D=(V,A),其中V表示有向完全图D的点集合,即用户以及图书所在位置点的集合,A表示有向完全图D的有向边集合,并将有向完全图D表示为邻接矩阵形式:
基于有向完全图D,确定问题目标为在有向完全图D中找到一条用户所在点经过所有图书所在点的可行路径,且V中的节点可以重复使用,A中的有向边不能重复使用;
对完全有向图D中有向边构成的所有的可行路径进行编码整理,获得可行路径集合;
对可行路径集合中的所有路径进行搜寻,获得用户所在位置遍历所有图书位置的不重复最优可行路径。
一种基于数字人的图书借阅系统,包括:
处理器;以及
存储器,其存储有基于数字人的图书借阅方法的计算机指令,当所述计算机指令由所述处理器运行时,使得设备执行根据权利要求1-5的任意一项所述的基于数字人的图书借阅方法。
本发明的有益效果为:
1、本发明在图书推荐时,将时间因素与用户兴趣相结合,更加精准的判断用户的阅读爱好,实现图书的精准推荐,避免出现推荐图书与用户阅读兴趣相差甚远甚至造成用户反感的情况,使推荐书籍与用户兴趣图书的契合程度更高,便于用户快速挑选自己满意的图书,增大用户选取推荐图书的概率,进而提升用户的选书阅读体验。
2、本发明在用户选取图书时,能够实现对用户所需借阅图书的精确导航,能够根据用户以及所选图书的位置距离,便捷的为用户规划出最佳的图书借阅路线,为用户提供更合理的图书借阅推荐决策,能够极大地提升用户阅读效率及体验,满足用户个性化需求特点,对图书馆信息服务的发展具有重要的积极意义。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是示意性示出本发明方法的流程图;
图2是示意性示出本发明中优选借阅路径的搜寻流程图;
图3是示意性示出本发明系统的结构框图。
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。
下面结合附图来详细描述本发明的具体实施方式。
如图1-图3所示,该基于数字人的图书借阅方法包括:
获取用户注册信息以及图书借阅记录信息,通过预设的虚拟数字人对登录至图书馆APP的账户进行检测,对用户的注册信息以及图书借阅记录信息进行查询获取。
对所述用户注册信息以及图书借阅记录信息进行数据去重,数据异常值、缺失值处理,时间格式归一化等预处理,最终获得用户信息数据集。
对所述用户信息数据集进行分类得到事实类、规则类两类基本标签,其中事实类标签包括性别、年龄、职业以及所在地区,规则类标签为基于用户行为及确定的规则产生的标签,多为运营人员和数据人员进行设定,如用户在注册时填写的阅读偏好兴趣标签,该标签即基于特定事实人为规定的标签划分,且以上两类标签均可从用户注册信息中直接读取并生成。
统计用户的历史借阅记录,将之整理为包含时间信息的借阅特征向量集,其中,借阅特征向量集中的借阅特征向量为四元组形式,代表用户u对图书i的借阅行为从时刻/>开始到时刻/>结束。
根据借阅特征向量使用如下公式计算用户历史已借阅图书的借阅时长权重:
其中,表示用户u对图书i的偏好值,即可表示为图书借阅时长权重,/>为用户u对借阅图书 i的借阅时长,/>表示用户u所有已借阅图书的最短借阅时长,/>表示用户u所有已借阅图书的最长借阅时长。
由于用户对借阅图书的偏好是会随时间发生变化的,因此考虑借阅图书时间上下文因素,引入时间衰减因子对计算出的图书借阅时长权重进行修正,得到用户对图书的偏好特征权重,所述时间衰减因子满足关系式:
其中,t为当前时间,为用户归还图书i的时间,/>即为当前时间t用户u对图书i的偏好权重,k为预设的衰减系数,即表示图书偏好热度随时间变化的冷却速度,用户归还图书i的时间距离当前时间越近,则/>的值越小,函数/>的取值即越大,当前时间t用户u对图书i的偏好程度越高。
整合用户对所有图书的偏好特征权重获得偏好特征标签。
示例性的,假设有5本书,则用户u的偏好特征标签为:。
分别将用户的偏好特征标签、事实类标签以及规则类标签中的数值型特征和类别型特征标签进行稀疏编码处理,数值型特征保持不变,类别型特征使用Qne-Hot编码进行处理将其转化为数值特征向量,最终整理获得稀疏编码特征标签。
将所述稀疏编码特征标签输入DeepFM模型中进行计算,输出对应用户的TOP-N图书推荐结果。
获取用户选定的目标图书,预设的虚拟数字人读取用户以及图书的位置点,生成每两个位置点之间的最短路径并记录路径长度,基于给定的图书馆室内地图,在每两个位置节点之间找到可用于用户通行的最短路线,并记录路线长度。
基于两个位置节点之间的最短路线,将整体图书馆构建为一个有向完全图D=(V,A),其中V表示有向完全图D的点集合,即为包括用户当前位置及图书所在位置/>(i表示被选中的第i本图书)的集合;A表示有向完全图D的有向边集合,即为每两点之间最短路径。一条方向从/>指向/>的有向边,记作/>。
将有向完全图D表示为邻接矩阵形式,有向完全图D中权重即为每两点之间最短路径长度,表示为邻接矩阵形式如下:
基于有向完全图D,确定问题目标转变为在有向完全图D中找到起始点s(用户当前所在位置)经过所有必经点(用户所选图书所在位置)的可行路径,且在有向完全图D的最优路径中,V中的节点可以重复使用,但A中的有向边不能重复使用。
对完全有向图D中有向边构成的所有的可行路径进行编码整理,将虚拟数字人寻找到的路径表示为:/>
其中,,/>记录了所有可行路径,即可行路径合集。
将路径中包含的所有不重复节点集合记作node;使用禁忌表tabu_arc对有向边集合A进行管理,保证在/>中的有向边不会重复出现;使用邻接表tabu_node路径当前到达节点的可选路段;point记录在可行路径中当前到达的节点,当路径/>经过/>时,可以说当前/>到达了节点j,此时/>。
对所有可行路径集合path中的路径进行搜寻,虚拟数字人从起始点s=开始寻找路径,根据tabu_node(point)得到下一时刻的所有可选路段,选择其中一条路段,在tabu_arc中将已走过的路段标记为“-1”,同时,将路段/>存入中,并且/>,通过散列表对tabu_node进行存储,当执行到某个没有可行边的节点,即可行路段tabu_node(point)为空或均已被标记时,证明该路径不可行,则使用回溯方法,最终找到一条可行路径。
在tabu_node表中确定可选路段,在第t次寻找路径时,会根据point对应的tabu_node(point)中每条路段的可行概率,选择概率最大的路段,并根据已选择的路段到达下个节点d,point=d,若tabu_node不存在可行路段,则删除中point所对应路段,并将虚拟数字人到达的当前节点赋值给point,释放tabu_arc中该路段的标记,继续寻找下一个可行路段,以此类推,直到node=V,此/>即为一条从用户所在位置遍历所有图书位置的不重复最短可行路径,虚拟数字人由此路径指导用户获取所述目标图书。
选择路段的概率计算过程如下:
其中,表示在/>中,虚拟数字人k选择有向边/>的概率(即虚拟数字人k从节点i选择下一个节点j的转移概率);/>和/>分别描述了信息素/>和启发因子/>的重要性;/>虚拟数字人k从节点i出发可以到达的可行节点集合。
当虚拟数字人寻找到所有可行路径后,需要更新图中每个路段对应的信息素,信息素描述了虚拟数字人经过各个路段所留下的痕迹,更新公式如下:
其中,ρ(0<ρ<1)表示路径上信息素的挥发系数,1-ρ表示信息素的持久系数;表示本次迭代边(ij)上信息素的增量,/>表示虚拟数字人在本次迭代中留在有向边上的信息素量。如果虚拟数字人k没有经过有向边/>,则/>的值为0。表示为:/>
其中,表示虚拟数字人k在本次周游中所走过路径的长度。
更加精准的判断用户的阅读爱好,实现图书的精准推荐,使推荐书籍与用户兴趣图书的契合程度更高,便捷的为用户规划出最佳的图书借阅路线,为用户提供更合理的图书借阅推荐决策,能够极大地提升用户阅读效率及体验,满足用户个性化需求特点。
图3是示意性示出根据本实施例中的一种基于数字人的图书借阅系统的结构框图。
本发明还提供了一种基于数字人的图书借阅系统。如图3所示,所述系统包括处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据本发明第一方面所述的一种基于数字人的图书借阅方法。
在一个实施例中,本发明提供了一种计算机设备,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力,可以选择CPU、单片机、DSP或者FPGA等各种品种。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。当计算机程序被执行时,可以完成上述方法实施例中所描述的步骤。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于数字人的图书借阅方法及系统。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
所述系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件,其设置和功能为本领域中已知,因此在此不再赘述。
在本发明中,前述的存储器可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质,比如,阻变式存储器RRAM(Resistive RandomAccess Memory)、动态随机存取存储器DRAM(Dynamic Random Access Memory)、静态随机存取存储器SRAM(Static Random-Access Memory)、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM(High-Bandwidth Memory)、混合存储立方HMC(Hybrid Memory Cube)等等,或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本发明描述的任何应用或模块可以使用可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。
在本说明书的描述中,“多个”、“若干个”的含义是至少两个,例如两个,三个或更多个等,除非另有明确具体的限定。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于数字人的图书借阅方法,其特征在于,包括:
获取用户的注册信息以及图书借阅记录信息;
对所述用户的注册信息以及图书借阅记录信息进行预处理,获得用户信息数据集;
对所述用户信息数据集进行分类得到事实类、规则类两类基本标签;
统计用户的历史借阅记录以获取用户的借阅特征向量集,其中,所述借阅特征向量集中的借阅特征向量为四元组形式,代表用户u对图书i的借阅行为从时刻/>开始到时刻/>结束;
根据借阅特征向量计算用户历史已借阅图书的借阅时长权重,然后依据预设的时间衰减因子对所述借阅时长权重进行修正得到用户对图书的偏好特征权重;
所述图书借阅时长权重的计算过程为:
其中,表示用户u对图书i的偏好值,/>为用户u对借阅图书 i的借阅时长,/>表示用户u所有已借阅图书的最短借阅时长,/>表示用户u所有已借阅图书的最长借阅时长;
所述时间衰减因子满足关系式:
其中,t为当前时间,为用户归还图书i的时间,/>即为当前时间t用户u对图书i的偏好权重,k为预设的衰减系数,即表示图书偏好热度随时间变化的冷却速度;
整合用户对所有图书的偏好特征权重获得偏好特征标签;
分别将用户的偏好特征标签、事实类标签以及规则类标签中的数值型特征和类别型特征标签进行稀疏编码处理获得稀疏编码特征标签,并将所述稀疏编码特征标签输入DeepFM模型中进行计算,输出对应用户的图书推荐结果;
获取用户选定的目标图书,基于所述目标图书为用户生成所述目标图书的搜寻路径,并依据预设的虚拟数字人根据所述搜寻路径指导用户获取所述目标图书。
2.根据权利要求1所述的基于数字人的图书借阅方法,其特征在于,所述用户注册信息以及图书借阅记录信息预处理包括将查询到的信息进行数据去重,异常值、缺失值处理,时间格式归一化。
3.根据权利要求1所述的基于数字人的图书借阅方法,其特征在于,所述事实类标签包括性别、年龄、职业以及所在地区,规则类标签为基于用户行为及确定的规则产生的标签。
4.根据权利要求1所述的基于数字人的图书借阅方法,其特征在于,所述稀疏编码处理包括数值型特征不变,类别型特征使用Qne-Hot编码处理,转化为数值特征向量。
5.根据权利要求1所述的基于数字人的图书借阅方法,其特征在于,所述为用户生成所述目标图书的搜寻路径包括:
读取用户以及图书的位置点,生成每两个位置点之间的最短路径并记录路径长度;
对每两个位置点之间的最短路径整合,构建图书馆场景的有向完全图D=(V,A),其中V表示有向完全图D的点集合,即用户以及图书所在位置点的集合,A表示有向完全图D的有向边集合,并将有向完全图D表示为邻接矩阵形式:
基于有向完全图D,确定问题目标为在有向完全图D中找到一条用户所在点经过所有图书所在点的可行路径,且V中的节点可以重复使用,A中的有向边不能重复使用;
对完全有向图D中有向边构成的所有的可行路径进行编码整理,获得可行路径集合;
对可行路径集合中的所有路径进行搜寻,获得用户所在位置遍历所有图书位置的不重复最优可行路径。
6.一种基于数字人的图书借阅系统,其特征在于,包括:
处理器;以及
存储器,其存储有基于数字人的图书借阅方法的计算机指令,当所述计算机指令由所述处理器运行时,使得设备执行根据权利要求1-5的任意一项所述的基于数字人的图书借阅方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311307191.1A CN117035245B (zh) | 2023-10-10 | 2023-10-10 | 一种基于数字人的图书借阅方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311307191.1A CN117035245B (zh) | 2023-10-10 | 2023-10-10 | 一种基于数字人的图书借阅方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117035245A true CN117035245A (zh) | 2023-11-10 |
CN117035245B CN117035245B (zh) | 2023-12-26 |
Family
ID=88624939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311307191.1A Active CN117035245B (zh) | 2023-10-10 | 2023-10-10 | 一种基于数字人的图书借阅方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035245B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103209342A (zh) * | 2013-04-01 | 2013-07-17 | 电子科技大学 | 一种引入视频流行度和用户兴趣变化的协作过滤推荐方法 |
CN103544212A (zh) * | 2013-09-09 | 2014-01-29 | Tcl集团股份有限公司 | 一种内容推荐方法及系统 |
KR20140055298A (ko) * | 2012-10-31 | 2014-05-09 | 서기찬 | 알에프아이디를 이용한 도서관리 방법 |
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 |
CN113590945A (zh) * | 2021-07-26 | 2021-11-02 | 西安工程大学 | 一种基于用户借阅行为-兴趣预测的图书推荐方法和装置 |
CN115098803A (zh) * | 2022-08-24 | 2022-09-23 | 深圳市华图测控系统有限公司 | 一种基于移动图书馆的图书推荐算法以及系统 |
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 |
-
2023
- 2023-10-10 CN CN202311307191.1A patent/CN117035245B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140055298A (ko) * | 2012-10-31 | 2014-05-09 | 서기찬 | 알에프아이디를 이용한 도서관리 방법 |
CN103209342A (zh) * | 2013-04-01 | 2013-07-17 | 电子科技大学 | 一种引入视频流行度和用户兴趣变化的协作过滤推荐方法 |
CN103544212A (zh) * | 2013-09-09 | 2014-01-29 | Tcl集团股份有限公司 | 一种内容推荐方法及系统 |
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 |
CN113590945A (zh) * | 2021-07-26 | 2021-11-02 | 西安工程大学 | 一种基于用户借阅行为-兴趣预测的图书推荐方法和装置 |
CN115098803A (zh) * | 2022-08-24 | 2022-09-23 | 深圳市华图测控系统有限公司 | 一种基于移动图书馆的图书推荐算法以及系统 |
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 |
---|
刘荣辉;高阳;林恺;张湛梅;吴士萍;: "移动阅读系统中的多源动态混合推荐", 情报科学, no. 10 * |
孙彦超;韩凤霞;: "基于协同过滤算法的个性化图书推荐系统的研究", 图书馆理论与实践, no. 04 * |
王舒;王红;刘诗童;吉丽君;: "基于GIS技术的高校图书馆空间使用评估研究", 大学图书馆学报, no. 01 * |
王连喜;: "一种面向高校图书馆的个性化图书推荐系统", 现代情报, no. 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN117035245B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mirowski et al. | The streetlearn environment and dataset | |
CN109948066B (zh) | 一种基于异构信息网络的兴趣点推荐方法 | |
CN107133277B (zh) | 一种基于动态主题模型和矩阵分解的旅游景点推荐方法 | |
Davtalab et al. | A POI recommendation approach integrating social spatio-temporal information into probabilistic matrix factorization | |
CN110232403A (zh) | 一种标签预测方法、装置、电子设备及介质 | |
CN110457420A (zh) | 兴趣点位置识别方法、装置、设备及存储介质 | |
JP2010086150A (ja) | 地域情報検索装置、地域情報検索装置の制御方法、地域情報検索システム、および地域情報検索システムの制御方法 | |
CN113918837B (zh) | 城市兴趣点类别表示的生成方法及系统 | |
CN108566615A (zh) | 信息推送方法、装置及客户端 | |
CN113505204A (zh) | 召回模型训练方法、搜索召回方法、装置和计算机设备 | |
CN109656541A (zh) | 开发资源的推荐方法、装置、存储介质和电子设备 | |
CN109949063A (zh) | 一种地址确定方法、装置、电子设备及可读存储介质 | |
CN110399445A (zh) | 一种兴趣点的处理方法、装置及设备 | |
CN112131261B (zh) | 基于社区网络的社区查询方法、装置和计算机设备 | |
Zhang et al. | Travel attractions recommendation with travel spatial-temporal knowledge graphs | |
Lin et al. | Successive poi recommendation with category transition and temporal influence | |
CN115774819A (zh) | 一种基于层次循环神经网络的兴趣点推荐方法及系统 | |
CN117435819A (zh) | 时空动态感知的兴趣点推荐方法、系统和存储介质 | |
CN117035245B (zh) | 一种基于数字人的图书借阅方法及系统 | |
CN108805658A (zh) | 租借服务点的提供方法及装置 | |
CN109656433A (zh) | 类目信息处理方法、装置、计算机设备和存储介质 | |
Phan et al. | Collaborative recommendation of photo-taking geolocations | |
Kumar et al. | Towards the recommendation of personalised activity sequences in the tourism domain | |
CN107766881B (zh) | 一种基于基础分类器的寻路方法、设备及存储设备 | |
CN117112880A (zh) | 信息推荐、多目标推荐模型训练方法、装置和计算机设备 |
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 |