一种个性化图书推荐系统技术方案

本发明专利技术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，本发明专利技术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。系统。系统。

【技术实现步骤摘要】
一种个性化图书推荐系统


[0001]本专利技术涉及数字图书馆信息
，具体是一种个性化图书推荐系统。

技术介绍

[0002]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。

技术实现思路

[0003]针对上述技术的不足，本专利技术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，本专利技术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。
[0004]为了实现上述技术效果，本专利技术采用以下技术方案：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。
[0005]作为本专利技术进一步的技术方案，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。
[0006]作为本专利技术进一步的技术方案，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。
[0007]作为本专利技术进一步的技术方案，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。
[0008]作为本专利技术进一步的技术方案，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。
[0009]作为本专利技术进一步的技术方案，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。
[0010]作为本专利技术进一步的技术方案，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。
[0011]作为本专利技术进一步的技术方案，所述随机推荐子模块采用对图书信息根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
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：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ<...

【专利技术属性】
技术研发人员：赵金刚，
申请(专利权)人：悦读天下北京国际教育科技有限公司，
类型：发明
国别省市：