[發(fā)明專利]一種基于布隆濾波器的圖書館系統(tǒng)知識推薦方法

在審

• 申請?zhí)枺?/td>: 202210049269.3
• 申請日: 2022-01-17
• 公開（公告）號: CN114385922A
• 公開（公告）日: 2022-04-22
• 發(fā)明（設(shè)計）人: 陳俊;張耀;吳秀華
• 申請（專利權(quán)）人: 上海阿法迪智能數(shù)字科技股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/903;G06F16/901
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 林琳

本發(fā)明公開了一種基于布隆濾波器的圖書館系統(tǒng)知識推薦方法，包括步驟：一、確定用于圖書館系統(tǒng)知識推薦的布隆濾波器的整體結(jié)構(gòu)和參數(shù)；所述參數(shù)包括布隆濾波器位數(shù)和哈希函數(shù)的個數(shù)；二、對每本圖書/文獻，建立對應(yīng)的布隆濾波器結(jié)構(gòu)，作為其屬性之一進行存儲；三、對每本圖書/文獻，根據(jù)布隆濾波器結(jié)構(gòu)判斷關(guān)聯(lián)性最大的前N本圖書/文獻；其中，N的取值為非0自然數(shù)。本發(fā)明不需要保存每本圖書/文獻的關(guān)鍵詞文字信息，只需要保存特定結(jié)構(gòu)的布隆濾波器信息，數(shù)據(jù)結(jié)構(gòu)固定；圖書/文獻相似度比較時不需要進行關(guān)鍵字匹配，只需要根據(jù)各自布隆濾波器之間按位比較，就可以判斷相似度，計算更加簡單高效，提高了推薦效率。

技術(shù)領(lǐng)域

本發(fā)明屬于圖書管理系統(tǒng)技術(shù)領(lǐng)域，具體涉及一種基于布隆濾波器的圖書館系統(tǒng)知識推薦方法。

背景技術(shù)

推薦技術(shù)發(fā)展由來已久，常用的推薦技術(shù)包括協(xié)同過濾推薦、基于知識的推薦等。其中協(xié)同過濾推薦又分為基于用戶的協(xié)同過濾和基于項目的協(xié)同過濾；基于知識的推薦根據(jù)對用戶需要的形式化表示進行推薦。已有的推薦技術(shù)，在根據(jù)用戶歷史行為預(yù)測將來行為方面可以獲得很好的效果，其中協(xié)同過濾技術(shù)廣泛應(yīng)用于各類商業(yè)推薦系統(tǒng)中；基于知識的推薦系統(tǒng)更加側(cè)重某個細分領(lǐng)域的推薦，且需要專家知識的介入，適用于規(guī)模較小且規(guī)律較明顯的系統(tǒng)。

圖書館系統(tǒng)知識推薦系統(tǒng)中，重點在于怎樣根據(jù)圖書/文獻之間的相似度進行關(guān)聯(lián)程度的判斷。采用用戶歷史操作的方法需要記錄大量的用戶借閱/下載記錄，且存在用戶/項目的冷啟動問題；采用專家知識推薦的方法，可以將圖書/文獻按照圖書分類法進行大類劃分，但是這種劃分方式粒度太粗，對關(guān)聯(lián)圖書/文獻的推薦不夠準(zhǔn)確。

利用圖書/文獻的關(guān)鍵詞信息進行匹配查找，是一種比較容易想到的圖書/文獻關(guān)聯(lián)推薦方法，但是已有的利用關(guān)鍵詞的推薦方法，大多基于關(guān)鍵詞的字符串匹配，該方法存在以下兩點缺陷：1、需要記錄系統(tǒng)所有關(guān)鍵詞，記錄數(shù)量龐大，且格式不統(tǒng)一；2、需要對關(guān)鍵字逐個進行字符串匹配，計算開銷較大。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于針對上述現(xiàn)有技術(shù)中的不足，提供一種基于布隆濾波器的圖書館系統(tǒng)知識推薦方法，其不需要保存每本圖書/文獻的關(guān)鍵詞文字信息，只需要保存特定結(jié)構(gòu)的布隆濾波器信息，數(shù)據(jù)結(jié)構(gòu)固定；圖書/文獻相似度比較時不需要進行關(guān)鍵字匹配，只需要根據(jù)各自布隆濾波器之間按位比較，就可以判斷相似度，計算更加簡單高效，提高了推薦效率。

為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：一種基于布隆濾波器的圖書館系統(tǒng)知識推薦方法，該方法包括以下步驟：

步驟一、確定用于圖書館系統(tǒng)知識推薦的布隆濾波器的整體結(jié)構(gòu)和參數(shù)；所述參數(shù)包括根據(jù)圖書館系統(tǒng)文獻的關(guān)鍵詞數(shù)量和布隆濾波器失誤率確定的布隆濾波器位數(shù)，以及根據(jù)圖書館系統(tǒng)文獻的關(guān)鍵詞數(shù)量和布隆濾波器位數(shù)確定的用于將每個圖書館系統(tǒng)文獻的關(guān)鍵詞信息映射到布隆濾波器中的哈希函數(shù)的個數(shù)；

步驟二、對每本圖書/文獻，建立對應(yīng)的布隆濾波器結(jié)構(gòu)，作為其屬性之一進行存儲；

步驟三、對每本圖書/文獻，根據(jù)布隆濾波器結(jié)構(gòu)判斷關(guān)聯(lián)性最大的前N本圖書/文獻；其中，N的取值為非0自然數(shù)。

上述的一種基于布隆濾波器的圖書館系統(tǒng)知識推薦方法，步驟三之后還包括步驟四、從關(guān)聯(lián)性最大的前N本圖書/文獻中，去除用戶在時間段T內(nèi)已借閱過的圖書/文獻。

上述的一種基于布隆濾波器的圖書館系統(tǒng)知識推薦方法，步驟一中所述布隆濾波器位數(shù)采用公式確定，單位為bit；步驟一種所述哈希函數(shù)的個數(shù)采用公式確定；其中，m為布隆濾波器位數(shù)，k為哈希函數(shù)的個數(shù)，n為圖書館系統(tǒng)文獻的關(guān)鍵詞數(shù)量，p為布隆濾波器失誤率。

上述的一種基于布隆濾波器的圖書館系統(tǒng)知識推薦方法，步驟一中所述哈希函數(shù)包括非加密型哈希函數(shù)murmur hash。