一种基于协同过滤的图书馆学习资料优化推荐方法技术

本发明专利技术公开了一种基于协同过滤的图书馆学习资料优化推荐方法，步骤为：图书馆获取社会不同阶层人群的信息数据与学习资料数据，经特征信息处理后得到社会不同阶层人群的特征信息数据集与资料数据集；基于社会人群特征数据集与资料数据集处理计算并得到相似社会人群集；社会人群对已推荐的学习资料进行评价，得到资料评价特征数据集。本发明专利技术通过对社会人群信息数据进行特征信息处理分析，并通过协同过滤与资料数据集内的关联数据信息进行相似度匹配，从而匹配更精准的学习资料，能有效提高资料推荐的效率和优化图书种类和数量，提高学习资源对用户的有效性，避免推荐的盲目性，提高了推荐质量，同时对于智慧图书馆的发展有重要实践意义。重要实践意义。重要实践意义。

【技术实现步骤摘要】
一种基于协同过滤的图书馆学习资料优化推荐方法


[0001]本专利技术属于学习推荐方法的
，尤其涉及一种基于协同过滤的图书馆学习资料优化推荐方法。

技术介绍

[0002]目前社会人群在学习过程中只能通过个人定制的资料学习，到图书馆阅读学习资料只能是图书馆有什么现存的图书借读什么图书，个人想借读的图书，图书馆一是不一定有，二是有但数量不够，被别人已借读了现存没有了，图书馆并不是针对社会人群的学习需求，学习能力，学习喜好来制定图书。
[0003]随着互联网时代的发展，网上阅览室上的个性化服务成效显著。现在大部分个性化推荐方法主要应用在电商推荐上。关于针对图书馆学习资料的推荐几乎没有，而图书馆针对社会个性化人群对图书的需求来提供图书更是捉襟见肘。

技术实现思路

[0004]基于以上现有技术的不足，本专利技术所解决的技术问题在于提供一种基于协同过滤的图书馆学习资料优化推荐方法，对社会人群信息数据进行特征处理分析，并通过协同过滤与资料数据集内的关联数据信息进行相似度匹配，从而匹配更精准的学习资料，能有效提高图书资料的种类数量的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于协同过滤的图书馆学习资料优化推荐方法，其特征在于，包括以下步骤：步骤一：图书馆获取社会人群信息数据与学习资料数据，经特征处理后得到社会人群特征数据集与资料数据集，社会人群信息数据包括个人基本信息和特征信息；步骤二：基于社会人群特征数据集与资料数据集处理计算并得到相似社会人群集；步骤三：社会人群对已推荐的学习资料进行评价，得到资料评价特征数据集。2.如权利要求1所述的基于协同过滤的图书馆学习资料优化推荐方法，其特征在于，所述步骤一中个人基本信息包括行业、性别、专业；特征信息包括个人兴趣爱好、兴趣资料、学习关注重点、学习的时长、学习行为发生的时间段。3.如权利要求1所述的基于协同过滤的图书馆学习资料优化推荐方法，其特征在于，所述步骤一中资料数据集包括社会人群对图书的评分数据、阅读日志、图书资料与社会不同人群的关联数据，其中图书资料与人群的关联数据包括人群的性别、年龄、兴趣爱好、兴趣资料与该社会人群选择关联的图书资料名称、作者、以及图书资料领域、种类。4.如权利要求1所述的基于协同过滤的图书馆学习资料优化推荐方法，其特征在于，所述步骤一中的特征处理包括：对每个特征信息进行编号，并基于编号对每个人个体对应的特征信息进行录入，建立个人特征数据集；对每本学习资料数据进行编号，并基于编号对每个学习资料数据录入，建立资料数据预选集，对资料数据预选集进行数据清洗、缺省值处理、异常处理、数据变换，进行社...

【专利技术属性】
技术研发人员：德仕琪，崔丽群，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：