【技術實現步驟摘要】
本專利技術涉及一種用于高校的圖書推薦方法、裝置及存儲介質，屬于?。
技術介紹
1、高校圖書館擁有豐富的館藏資源，為學生提供了獲取所需信息的機會。然而，由于資源龐大，學生很難準確地、有效地找到他們感興趣的書籍。因此，推薦系統作為一種有效解決信息過載問題的方法，值得高校圖書館廣泛研究。
2、現有的推薦算法種類眾多，主要包括基于內容的推薦、協同過濾推薦、基于知識的推薦和混合推薦等。基于內容的推薦主要是依據用戶過去的喜好記錄來預測其未來可能感興趣的項目。協同過濾則是依據其他相似用戶的歷史行為來進行推薦。基于知識的推薦主要通過用戶的個人信息及物品信息去匹配用戶的需求。而混合推薦則是一種綜合應用以上多種推薦策略的方法，以求達到更好的推薦效果。此外，深度學習也正在逐漸成為推薦系統領域的一個重要研究方向。
3、但高校的圖書系統與商業圖書系統不一樣，學校圖書借閱數據呈現出明顯的稀疏性（借閱量相對儲存量太少），因為相較于館藏量而言，大部分學生每年只借閱少量的圖書，且每個學生只會在校幾年的時間。因此，現有的商業圖書系統推薦方法并不能適用于高校的圖書系統統推薦方法，按照其方法最終得到的推薦結果準確度交底，亟需一種能夠符合高校圖書系統特點的圖書推薦方法。
技術實現思路
1、本專利技術要解決的技術問題是，克服現有技術缺陷，提供一種用于高校的圖書推薦方法、裝置及存儲介質，能夠基于學校圖書借閱數據稀疏性條件下進行圖書推薦，符合高校圖書系統特點，實時推薦結果準確。
2、為解決上述
3、第一方面，本專利技術提供一種用于高校的圖書推薦方法，包括以下步驟：
4、獲取在校學生的入學前信息，再將入學前信息輸入到預訓練的機器學習模型中，得到在校學生的初始圖書興趣向量；
5、在在校學生每次借閱后，生成在校學生的累計借閱向量，以及獲取已畢業學生歷史借閱數據，得到已畢業學生的累計借閱向量；
6、將在校學生的累計借閱向量與已畢業學生的累計借閱向量進行相似度對比，確定相似度最高的若干個已畢業學生；
7、將相似度最高的若干個已畢業學生對應的實際圖書興趣向量進行加權求和，得到在校學生借閱后的預測圖書興趣向量；
8、將在校學生的初始圖書興趣向量與在校學生借閱后的預測圖書興趣向量進行加權求和，得到在校學生的實時圖書興趣向量；
9、根據在校學生的實時圖書興趣向量，向學生推薦圖書。
10、所述機器學習模型的訓練包括以下步驟：
11、獲取已畢業學生歷史借閱數據，得到已畢業學生的圖書借閱向量，具體表示為：，
12、其中，表示第m個已畢業學生的圖書借閱向量，表示第m個已畢業學生的第n類圖書的借閱量，c為圖書類別的總數；
13、將已畢業學生的圖書借閱向量歸一化，得到已畢業學生的實際圖書興趣向量，具體表示為：，
14、其中，表示第m個已畢業學生的實際圖書興趣向量，表示第m個已畢業學生對第n類圖書的興趣大小；
15、使用已畢業學生的入學前信息作為輸入，以對應已畢業學生的實際圖書興趣向量為輸出，訓練機器學習模型。
16、所述初始圖書興趣向量包括學生對各個類別圖書的興趣信息，具體表示為：，
17、其中，表示第i個在校學生的初始圖書興趣向量，表示第i個在校學生對第j個類別圖書的興趣大小。
18、在校學生的累計借閱向量具體表示為：<msubsup><mi>w</mi><mi>i</mi><mi>e</mi></msubsup><mi>=</mi><mi>[</mi><msubsup><mi>x</mi><mi>i1</mi><mi>e</mi></msubsup><mi>,</mi><msubsup><mi>x</mi><mi>i2</mi><mi>e</mi></msubsup><mi>…</mi><msubsup><mi>x</mi><mi>ij</mi><mi>e</mi></msubsup><mi>…</mi><msubsup><mi>x</mi><mi>ic</mi><mi>e</mi></msubsup><mi>]</mi>；
19、其中，為第i個在校學生第e次借閱后的累計借閱向量，為第i個在校學生第e次借閱后第j類圖書的累計借閱量。
20、已畢業學生的借閱后的累計借閱向量，具體表示為：<msubsup><mi>v</mi><mi>m</mi><mi>e</mi></msubsup><mi>=[</mi><msubsup><mi>y</mi><mi>m1</mi><mi>e</mi></msubsup><mi>,</mi><msubsup><mi>y</mi><mi>m2</mi><mi>e</mi></msubsup><mi>…</mi><msubsup><mi>y</mi><mi>mn</mi><mi>e</mi></msubsup><mi>…</mi><msubsup><mi>y</mi><mi>mc</mi><mi>e</mi></msubsup><mi>]</mi>
21、其中，為第m個已畢業學生的第e次借閱后累計借閱向量，表示第m個已畢業學生在累計e次借閱后在第n類圖書的借閱量，若第m個已畢業的學生借閱總次數達不到e次，則=。
22、在校學生借閱后的預測圖書興趣向量具體表示為：<msubsup><mi>u</mi><mi>i<本文檔來自技高網...
【技術保護點】
1.一種用于高校的圖書推薦方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的用于高校的圖書推薦方法，其特征在于：所述機器學習模型的訓練包括以下步驟：
3.根據權利要求2所述的用于高校的圖書推薦方法，其特征在于：所述初始圖書興趣向量包括學生對各個類別圖書的興趣信息，具體表示為：，
4.根據權利要求3所述的用于高校的圖書推薦方法，其特征在于：在校學生的累計借閱向量具體表示為：；
5.根據權利要求4所述的用于高校的圖書推薦方法，其特征在于：在校學生的實時圖書興趣向量具體表示為：
6.根據權利要求5所述的用于高校的圖書推薦方法，其特征在于：權重參數為權的數值不固定，隨著借閱次數和在校時間的增加，的數值不斷增加，在校學生沒有產生借閱行為時的數值固定為0。
7.根據權利要求1所述的用于高校的圖書推薦方法，其特征在于：入學前信息包括考各科目成績、地區、即將學習的專業中的一種或多種；入學前信息的具體編碼方式為高考各科目成績，使用對應科目名次除以所在地區對應科目總人數，地區使用地理位置編碼，即將學習的專業使用嵌入向量。
8.根據權利要求6所述的用于高校的圖書推薦方法，其特征在于：根據在校學生的實時圖書興趣向量，向學生推薦圖書具體為：在實時圖書興趣向量中找出實時興趣大小最大的g個圖書類別，按照這幾個圖書類別的實時興趣大小，在對應圖書類別推薦相應數量的最新書籍或者最熱書籍，其中g為預設參數。
9.一種用于高校的圖書推薦裝置，其特征在于：包括：
10.一種計算機可讀存儲介質，其上存儲有計算機程序/指令，其特征在于：該計算機程序/指令被處理器執行時，實現權利要求1-8中任一所述的用于高校的圖書推薦方法的步驟。
...【技術特征摘要】
1.一種用于高校的圖書推薦方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的用于高校的圖書推薦方法，其特征在于：所述機器學習模型的訓練包括以下步驟：
3.根據權利要求2所述的用于高校的圖書推薦方法，其特征在于：所述初始圖書興趣向量包括學生對各個類別圖書的興趣信息，具體表示為：，
4.根據權利要求3所述的用于高校的圖書推薦方法，其特征在于：在校學生的累計借閱向量具體表示為：；
5.根據權利要求4所述的用于高校的圖書推薦方法，其特征在于：在校學生的實時圖書興趣向量具體表示為：
6.根據權利要求5所述的用于高校的圖書推薦方法，其特征在于：權重參數為權的數值不固定，隨著借閱次數和在校時間的增加，的數值不斷增加，在校學生沒有產生借閱行為時的數值固定為0。
7.根據權利要求1所述的用于...
【專利技術屬性】
技術研發人員：史律，李郭梁，
申請(專利權)人：南京信息職業技術學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。