[发明专利]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

说明书

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。

技术领域

本申请涉及一种图书推荐方法，尤其涉及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。

背景技术

互联网的高速发展为用户提供了海量丰富的信息，随着豆瓣读书、京东、亚马逊等图书网站的快速发展和广泛应用，加之近两年国内外全球疫情的蔓延，越来越多的用户选择从网上浏览获取自己想要的图书信息。用户享受从网上获取海量图书信息的同时也造成了信息过载，很难从海量的图书信息中快速获得自己想要的图书，加之用户对自己的图书需求难以表达或表达不明确，造成用户从海量的网络资源中找到符合自己需求的图书变得愈发困难。推荐系统是解决上述问题的关键技术之一，系统通过分析用户动态和静态数据，学习读者兴趣偏好，更加主动、智能地过滤信息，从而向读者推荐他们潜在的需求。推荐系统目前广泛应用于电子商务、电视电影、音乐网站、新闻资讯和广告推送等领域。特别是在电子商务领域，推荐系统扮演着越来越重要的角色。在各类推荐算法中，传统的推荐算法和基于深度模型的算法已被广泛研究，传统的推荐算法只根据图书的书名、作者、关键字进行推荐而忽略了读者浏览过程中的隐形行为，推荐准确度不高；基于神经网络的推荐算法根据读者的图书浏览行为挖掘读者交互序列中隐含的兴趣偏好，但往往忽略了读者对图书真正内容：目录和正文的关注，而这部分往往是作者最关注的部分，也是图书最重要的区别部分，用户难以表达对于图书目录和图书内容的需求，无法通过网站现有的工具和方法获取自己想要的图书。传统的推荐算法和基于深度模型的算法仍然存在数据稀疏和冷启动问题，如何对用户浏览图书的交互信息进行精确分析提高推荐精度和用户满意度，仍旧是个性化推荐服务的研究热点。

因此，提出一种基于读者偏好的个性化数字图书推荐系统和方法，通过对读者历史浏览交互数据的分析，能有效表达读者的兴趣偏好，为读者推荐其感兴趣的图书提供了可靠依据。本发明不仅适用于推荐系统中基于读者浏览行为的隐形偏好挖掘和推荐任务，在其他常见的NLP任务中亦能提供重要的借鉴意义。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于此，本发明提供了一种基于读者偏好的个性化数字图书推荐系统，包括数据输入模块、编码器模块、语义融合模块、解码器模块和预测评分模块；

所述数据输入模块用于将图书文本转化为低维词嵌入向量；

所述编码器模块包括图书语义编码模块和兴趣度量模块；

所属图书语义编码模块用于将低维词嵌入向量转化为具有图书语义的特征向量；

所述兴趣度量模块用于根据读者历史浏览直接行为和间接行为，计算读者兴趣度Id；

所述语义融合模块用于将图书语义特征向量和读者兴趣度Id融合生成读者偏好向量；

所述解码器模块用于计算候选图书语义特征向量和读者偏好向量的相似度量；

所述预测评分模块用于输出图书的推荐结果。