[发明专利]高校图书馆的推荐方法、系统、可读存储介质及电子设备

说明书

本发明提供一种高校图书馆的推荐方法、系统、可读存储介质及电子设备，所述高校图书馆的推荐方法包括：捕获学生对不同类别图书的个性化偏好，并捕获学生对不同类别图书的专业偏好；根据个体学生对不同类别图书的个性化偏好和学生对不同类别图书的专业偏好，建立学生的偏好模型，以为学生推荐与之偏好匹配的图书。本发明所述高校图书馆的推荐方法、系统、可读存储介质及电子设备通过学生学科与图书类型之间的关联性和个体多样性相结合的方法提供准确的图书推荐，不仅可以充分利用图书馆资源，而且有助于提高学生的学习成绩。

技术领域

本发明属于神经网络技术领域，涉及一种推荐方法和系统，特别是涉及一种高校图书馆的推荐方法、系统、可读存储介质及电子设备。

背景技术

高校图书馆拥有丰富的馆藏资源，学生可以在其中获取自己需要的信息。然而，大量的资源也使学生难以准确地、有效地找到他们感兴趣的书。因此，推荐系统作为克服信息过载的一种有效解决方案，值得高校图书馆广泛研究。此外，图书馆所积累的图书流通记录为学生提供了丰富的上下文感知信息(如学生专业和图书类别)，可以用来描述学生的行为特征。提供准确的图书推荐不仅可以充分利用图书馆资源，而且有助于提高学生的学习成绩[1]。

与电子商务网站的图书推荐不同，图书馆的图书推荐面向的群体主要是学生，学生具有鲜明的区分属性：专业。因此，学生们会根据专业课程的要求借阅大量的专业课书籍。图书馆图书推荐具有以下三个特点:

(1)首先，学生借书具有很强的专业针对性。我们统计了来自不同学院(或专业)的学生借书的总体情况，如图1所示。很明显，大多数学生借阅最多的图书类别与他们的专业关系密切。第二个或第三个借用最多的类别似乎与专业无关。因此，我们认为学生的偏好由两部分组成:个人兴趣和专业偏好。例如，计算机科学专业的学生除了喜欢与计算机类图书，也喜欢物理学和文学，他们的借阅历史可能包含TP、I2和G8。TP与他的学科有关，而I2和G8与他的个人兴趣有关。从经验上讲，个人兴趣和专业偏好可能会交叉，但对我们的研究影响不大。不难看出，不同的类别对于不同的学科有着不同的重要性。显然，在这种情况下，学生应该被推荐与本学期课程密切相关的书籍。因此，需要使用推荐算法来学习图书类别与学科之间的相关性。

(2)其次，专业偏好随着教育阶段的变化而变化。中国大学的本科教育一般为四年，学生的专业能力被要求随着年级的提高而提高。与低年级的基础课程和通识课程相比，高年级的专业课更多。例如，计算机科学专业的学生在低年级学习基础课程，如程序设计，但是他们会在高年级主修如编译原理之类专业核心课程。因此，同一专业的学生在不同年级可能有略显差异的专业偏好。

(3)最后，图书馆的图书推荐呈现出很强的稀疏性，因为大部分学生每年只借阅少量的图书(相较于馆藏量来讲)，这给推荐算法带来了巨大的挑战。