本發(fā)明屬于信息推薦相關(guān)，更具體地，涉及一種基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)及推薦方法。

背景技術(shù)：

1、隨著信息技術(shù)的快速發(fā)展和數(shù)字化圖書(shū)館的普及，圖書(shū)資源的數(shù)量和種類呈現(xiàn)出指數(shù)級(jí)增長(zhǎng)。圖書(shū)館不僅囊括了各類專業(yè)書(shū)籍、期刊和學(xué)術(shù)論文，還不斷更新和引入多種多樣的數(shù)字資源，如電子書(shū)、有聲書(shū)、視頻教程等。這種海量信息的積累使得用戶在查找特定資源時(shí)面臨著巨大的信息篩選壓力，如何幫助讀者在豐富的資源庫(kù)中找到符合需求的內(nèi)容成為一個(gè)亟待解決的問(wèn)題。

2、傳統(tǒng)圖書(shū)推薦系統(tǒng)主要依賴于協(xié)同過(guò)濾或內(nèi)容匹配技術(shù)。協(xié)同過(guò)濾技術(shù)通過(guò)找到與用戶有相似興趣的其他讀者的閱讀記錄來(lái)推薦資源，而內(nèi)容匹配方法則根據(jù)用戶過(guò)去的借閱內(nèi)容與圖書(shū)資源的內(nèi)容相似度進(jìn)行推薦。這些方法在一定程度上能夠滿足用戶的基本需求，但是隨著讀者需求的多樣化和圖書(shū)館資源的日漸豐富，傳統(tǒng)推薦方法容易導(dǎo)致推薦內(nèi)容的泛化和重復(fù)性，無(wú)法動(dòng)響應(yīng)用戶的個(gè)性化需求。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)及推薦方法，其目的在于為動(dòng)態(tài)響應(yīng)用戶的個(gè)性化需求，為其推薦符合其個(gè)性化需求的書(shū)籍。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)，其包括：

3、用戶屬性融合模塊，用于構(gòu)建當(dāng)前用戶的屬性特征并輸入特征加權(quán)融合網(wǎng)絡(luò)單元得到屬性融合特征；所述屬性包括用戶的性別和年齡；

4、情境信息融合模塊，用于構(gòu)建當(dāng)前圖書(shū)館的情境信息特征并輸入特征加權(quán)融合網(wǎng)絡(luò)單元得到情境融合特征；所述情境信息包括當(dāng)前圖書(shū)館的地理位置、當(dāng)前訪問(wèn)時(shí)間和當(dāng)前環(huán)境；

5、用戶偏好識(shí)別模塊，用于構(gòu)建候選書(shū)籍表征和當(dāng)前用戶已查閱的歷史書(shū)籍表征，計(jì)算候選書(shū)籍表征和歷史書(shū)籍表征的相似特征向量并將候選書(shū)籍表征、歷史書(shū)籍表征和兩者的相似特征向量進(jìn)行拼接后依次通過(guò)激活層和線性層得到對(duì)應(yīng)歷史書(shū)籍的權(quán)重，對(duì)所有歷史書(shū)籍表征進(jìn)行加權(quán)后輸入池化層，得到對(duì)應(yīng)候選書(shū)籍對(duì)應(yīng)的閱讀偏好特征；

6、推薦概率計(jì)算模塊，用于將所述屬性融合特征、情境融合特征、閱讀偏好特征和候選書(shū)籍表征進(jìn)行拼接后再依次通過(guò)線性層、激活層和全連接層，得到候選書(shū)籍的推薦概率；

7、其中，所述特征加權(quán)融合網(wǎng)絡(luò)單元用于對(duì)所輸入的特征進(jìn)行兩兩交互得到交互特征，將每個(gè)所述交互特征分別依次輸入線性層和激活層得到對(duì)應(yīng)交互特征的權(quán)重，對(duì)所有交互特征進(jìn)行加權(quán)求和實(shí)現(xiàn)特征融合。

8、可選地，所述歷史書(shū)籍的權(quán)重和/或所述交互特征的權(quán)重為歸一化權(quán)重。

9、可選地，所述屬性還包括教育程度、專業(yè)和興趣愛(ài)好。

10、可選地，所述情境信息還包括用戶在圖書(shū)館中所處的學(xué)科區(qū)域。

11、可選地，每本書(shū)籍的表征包括由書(shū)籍id、標(biāo)題文本、書(shū)籍類別的編碼拼接而成的向量。

12、可選地，通過(guò)計(jì)算候選書(shū)籍表征和歷史書(shū)籍表征的外積得到候選書(shū)籍表征和歷史書(shū)籍表征的相似特征向量。

13、可選地，對(duì)特征vixi和特征vjxj進(jìn)行兩兩交互得到交互特征的fij的計(jì)算公式為：

14、fij＝{(vi⊙vj)xixj}

15、式中，vi為第i個(gè)屬性的嵌入向量，xi為第i個(gè)屬性的數(shù)值，vj為第j個(gè)屬性的嵌入向量，xj為第j個(gè)屬性的數(shù)值。

16、本發(fā)明還提供了一種基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦方法，其包括：

17、獲取輸入數(shù)據(jù)，所述輸入數(shù)據(jù)包括當(dāng)前用戶的屬性、當(dāng)前圖書(shū)館的情景信息、候選書(shū)籍和當(dāng)前用戶已查閱的歷史書(shū)籍；

18、將所述輸入數(shù)據(jù)輸入經(jīng)過(guò)訓(xùn)練后的如上任一項(xiàng)所述的基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)，得到每本候選書(shū)籍的推薦概率；

19、根據(jù)所述推薦概率的大小對(duì)候選書(shū)籍進(jìn)行排序，概率越大，排序越靠前。

20、本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的方法的步驟。

21、本發(fā)明還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或指令，所述計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的方法的步驟。

22、總體而言，通過(guò)本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，本發(fā)明主要具有以下有益效果：

23、1.本發(fā)明提出了一種基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)，其包括用戶屬性融合模塊、情境信息融合模塊、用戶偏好識(shí)別模塊和推薦概率計(jì)算模塊，通過(guò)將屬性融合特征、情境融合特征、閱讀偏好特征和候選書(shū)籍表征進(jìn)行拼接，得到最終的拼接向量，該向量不僅包含用戶的長(zhǎng)期閱讀偏好，還融合了當(dāng)前情境中的特定興趣，從而更精準(zhǔn)地表達(dá)用戶對(duì)候選書(shū)籍的整體偏好，如此確保了推薦系統(tǒng)不僅能夠捕捉用戶的長(zhǎng)期偏好和個(gè)性特征，還能在實(shí)時(shí)情境下為用戶提供更加貼合需求的推薦內(nèi)容，從而生成高度個(gè)性化的推薦結(jié)果；

24、2.在本發(fā)明中，在用戶屬性融合模塊中和情境信息融合模塊均通過(guò)特征交叉有效捕捉高維特征間的潛在關(guān)系，由此能夠充分利用多維信息，再根據(jù)交互特征自動(dòng)學(xué)習(xí)權(quán)重，為不同交互特征賦予不同權(quán)重，由此可以區(qū)分多維屬性的相對(duì)重要性，從而更準(zhǔn)確地識(shí)別和區(qū)分核心特征；

25、3.本發(fā)明在獲取用戶及情境特征的權(quán)重時(shí)引入可學(xué)習(xí)的線性層和激活層，相比于傳統(tǒng)的transformer?encoder中的qkv矩陣直接相乘的形式，在標(biāo)準(zhǔn)模型下參數(shù)量?jī)H需十分之一，并在保持推理效果相近的情況下極大程度提升在線推理效率，符合基于圖書(shū)館實(shí)時(shí)推薦的場(chǎng)景，可部署于實(shí)時(shí)性要求更高的線下主機(jī)中。

技術(shù)特征：

1.一種基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)，其特征在于，包括：

2.如權(quán)利要求1所述的基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)，其特征在于，所述歷史書(shū)籍的權(quán)重和/或所述交互特征的權(quán)重為歸一化權(quán)重。

3.如權(quán)利要求1所述的基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)，其特征在于，所述屬性還包括教育程度、專業(yè)和興趣愛(ài)好。

4.如權(quán)利要求1所述的基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)，其特征在于，所述情境信息還包括用戶在圖書(shū)館中所處的學(xué)科區(qū)域。

5.如權(quán)利要求1至4任一項(xiàng)所述的基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)，其特征在于，每本書(shū)籍的表征包括由書(shū)籍id、標(biāo)題文本、書(shū)籍類別的編碼拼接而成的向量。

6.如權(quán)利要求1至4任一項(xiàng)所述的基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)，其特征在于，通過(guò)計(jì)算候選書(shū)籍表征和歷史書(shū)籍表征的外積得到候選書(shū)籍表征和歷史書(shū)籍表征的相似特征向量。

7.如權(quán)利要求1至4任一項(xiàng)所述的基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)，其特征在于，對(duì)特征vixi和特征vjxj進(jìn)行兩兩交互得到交互特征的fij的計(jì)算公式為：

8.一種基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦方法，其特征在于，包括：

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求8所述的方法的步驟。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或指令，其特征在于，所述計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求8所述的方法的步驟。

技術(shù)總結(jié)
本發(fā)明屬于信息推薦相關(guān)技術(shù)領(lǐng)域，其公開(kāi)了一種基于圖書(shū)館實(shí)時(shí)情境的個(gè)性化推薦系統(tǒng)及推薦方法，在系統(tǒng)中，用戶屬性融合模塊對(duì)屬性特征進(jìn)行特征加權(quán)融合；情境信息融合模塊對(duì)圖書(shū)館的情境信息特征加權(quán)融合；用戶偏好識(shí)別模塊計(jì)算候選書(shū)籍表征和歷史書(shū)籍表征的相似特征向量并計(jì)算對(duì)應(yīng)歷史書(shū)籍的權(quán)重，對(duì)所有歷史書(shū)籍表征進(jìn)行加權(quán)后輸入池化層，得到閱讀偏好特征；推薦概率計(jì)算模塊將各特征進(jìn)行拼接后再依次通過(guò)線性層、激活層和全連接層，得到候選書(shū)籍的推薦概率。該系統(tǒng)不僅能夠捕捉用戶的長(zhǎng)期偏好和個(gè)性特征，還能在實(shí)時(shí)情境下為用戶提供更加貼合需求的推薦內(nèi)容，從而生成高度個(gè)性化的推薦結(jié)果。

技術(shù)研發(fā)人員：李劍軍,蘇童真智,趙澤陽(yáng)
受保護(hù)的技術(shù)使用者：華中科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8