公开(公告)号：CN113590970A

公开(公告)日：2021-11-02

申请号：CN202110919211.5

申请日：2021-08-11

Applicant: 东北林业大学

Inventor： 王代琳 ,  刘丽娜 ,  吕云蕾 ,  刘勋 ,  赵月 ,  刘亚秋

IPC: G06F16/9535 ,  G06F40/289 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于读者偏好的个性化数字图书推荐系统、方法、计算机及存储介质，属于人工智能推荐技术领域。具体包括，首先，对输入的数据进行处理，将图书文本转换为低维词嵌入向量。其次，将低维词嵌入向量词转化为具有图书语义的特征向量；再其次，根据读者历史浏览的直接行为和间接行为，计算读者兴趣度Id；再其次，将图书语义特征向量与读者兴趣度相融合生成读者偏好向量；再其次，计算候选图书语义特征向量与读者偏好向量之间的相似度量；最后，将相似度量计算结果输入到预测评分模块得到预测评分，输出候选图书的Top‑N作为推荐结果。解决现有技术中存在的数据稀疏性的技术问题，本发明提高了图书推荐的精确度。

公开(公告)号：CN113590970B

公开(公告)日：2022-03-22

申请号：CN202110919211.5

申请日：2021-08-11

Applicant: 东北林业大学

Inventor： 王代琳 ,  刘丽娜 ,  吕云蕾 ,  刘勋 ,  赵月 ,  刘亚秋

IPC: G06F16/9535 ,  G06F40/289 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于读者偏好的个性化数字图书推荐系统、方法、计算机及存储介质，属于人工智能推荐技术领域。具体包括，首先，对输入的数据进行处理，将图书文本转换为低维词嵌入向量。其次，将低维词嵌入向量词转化为具有图书语义的特征向量；再其次，根据读者历史浏览的直接行为和间接行为，计算读者兴趣度Id；再其次，将图书语义特征向量与读者兴趣度相融合生成读者偏好向量；再其次，计算候选图书语义特征向量与读者偏好向量之间的相似度量；最后，将相似度量计算结果输入到预测评分模块得到预测评分，输出候选图书的Top‑N作为推荐结果。解决现有技术中存在的数据稀疏性的技术问题，本发明提高了图书推荐的精确度。