[發明專利]一種圖書推薦方法、裝置、設備及可讀存儲介質

在審

• 申請號: 201910561700.0
• 申請日: 2019-06-26
• 公開（公告）號: CN110275907A
• 公開（公告）日: 2019-09-24
• 發明（設計）人: 肖明;張梓光;許宋爍;周敏;張小芳
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F16/2457
• 分類號: G06F16/2457;G06F16/2458
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 田媛媛

本發明公開了一種圖書推薦方法，該方法包括以下步驟：接收目標讀者發送的圖書推薦請求，并獲取目標讀者的讀者特征；利用讀者特征中的成績等級從讀者庫中篩選出待選讀者；利用讀者特征計算目標讀者與各個待選讀者之間的相似度，并利用相似度確定目標讀者的近鄰讀者；利用近鄰讀者的借閱記錄獲得目標圖書，并向目標讀者推薦目標圖書。在本方法中，以成績為紐帶，通過成績等級差異，可準確地推薦讀者所需圖書，可讓學生及時的查漏補缺，鞏固所學的知識。本發明還公開了一種圖書推薦裝置、設備及可讀存儲介質，具有相應的技術效果。

技術領域

本發明涉及數據業務技術領域，特別是涉及一種圖書推薦方法、裝置、設備及可讀存儲介質。

背景技術

在高校的日常學習生活中，圖書館在學生和老師之間都扮演了重要的角色，學生和老師的科研活動、查找文獻和學習資料都離不開圖書館的幫助。隨著數字圖書館的發展，信息過載問題逐漸突出。在當下面臨的問題不是物質短缺、信息匱乏，而是可選圖書太多，讓讀者眼花繚亂、不知如何選擇。雖然現有圖書館管理技術在一定程度上緩解了這一問題，但高校圖書館對學生信息需求分析和為用戶提供良好的搜索推薦服務方面，仍然存在著嚴重的不足。如何能夠為讀者及時準確的推薦相關書籍，減少讀者對圖書的檢索的復雜程序，高效準確的圖書推薦系統應運而生。

目前，高校圖書推薦系統主要利用讀者信息、圖書信息和讀者的歷史借閱信息來預測讀者可能感興趣的圖書，產生圖書推薦結果，為讀者提供個性化的服務。但是，在高校信息環境中，館藏資源數量大、類型各異且學科覆蓋廣泛，大量跨學科乃至新興學科、邊緣學科圖書的存在，造成基于內容的圖書推薦系統所構建的模型很難全面準確地表征圖書資源內容，因此推薦質量較低，難以滿足高校師生對推薦資源的準確性、實時性需求。高校圖書館讀者較高的借閱次數、相似的知識結構以及共同的知識學習引動力使得高校圖書館存在大量相似度較高的借閱記錄，基于規則的推薦難以產生真正有價值的且具備一定新意的關聯性規則，難以進而提供面向高校讀者的有價值的個性化信息服務。為了解決數據稀疏問題，目前推薦方法通過項目屬性相似度填充評分矩陣，例如采用讀者評分的中位數進行填充，但在高校圖書館場景下，用戶對圖書的評分波動很小，該方法會減少用戶的個性信息，對推薦結果的改善有限。

綜上所述，如何有效地解決圖書推薦系統的圖書個性化推薦等問題，是目前本領域技術人員急需解決的技術問題。

發明內容

本發明的目的是提供一種圖書推薦方法、裝置、設備及可讀存儲介質，能夠基于用戶需求動因，更準確地向讀者推薦圖書。

為解決上述技術問題，本發明提供如下技術方案：

一種圖書推薦方法，包括：

接收目標讀者發送的圖書推薦請求，并獲取所述目標讀者的讀者特征；

利用所述讀者特征中的成績等級從讀者庫中篩選出待選讀者；

利用所述讀者特征計算所述目標讀者與各個所述待選讀者之間的相似度，并利用所述相似度確定所述目標讀者的近鄰讀者；

利用所述近鄰讀者的借閱記錄獲得目標圖書，并向所述目標讀者推薦所述目標圖書。

優選地，利用所述讀者特征中的成績等級從讀者庫中篩選出待選讀者，包括：

利用所述讀者特征從讀者庫中篩選出年級高于或等于所述目標讀者的第一待選讀者；

從所述第一待選讀者中篩選出成績等級高于或等于所述目標讀者的所述待選讀者。

優選地，利用所述相似度確定所述目標讀者的近鄰讀者，包括：

利用協同過濾算法對所述待選讀者進行過濾，獲得所述近鄰讀者。

優選地，所述利用所述近鄰讀者的借閱記錄獲得目標圖書，包括：

從所述近鄰讀者的借閱記錄中獲得初始待選圖書；