近幾年隨著數(shù)字圖書(shū)館的高速發(fā)展,其數(shù)字資源館藏已實(shí)現(xiàn)了海量增長(zhǎng),讀者對(duì)資源的需求越來(lái)越個(gè)性化,這些因素推動(dòng)著圖書(shū)館推薦系統(tǒng)應(yīng)用的普及和深化。知識(shí)圖譜技術(shù)是現(xiàn)今圖書(shū)館學(xué)的研究熱點(diǎn),據(jù)此,對(duì)基于知識(shí)圖譜的圖書(shū)館推薦系統(tǒng)進(jìn)行了研究,并將其與傳統(tǒng)的基于ALS的協(xié)同過(guò)濾算法進(jìn)行比較。結(jié)果顯示,基于知識(shí)圖譜的MKR推薦算法可以取得較好的圖書(shū)推薦效果,能夠助力今后個(gè)性化圖書(shū)館推薦系統(tǒng)的建設(shè)。 

【文章來(lái)源】：自動(dòng)化應(yīng)用. 2020,(08)

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

MKR的模型框架

因?yàn)閳D書(shū)所具有的物品特征和圖譜實(shí)體之間可能存有屬性的重合，所以推薦算法模型和知識(shí)圖譜詞嵌入模型KGM之間并非相互獨(dú)立。通過(guò)在低層將左右兩個(gè)模型橋接起來(lái)。將圖書(shū)評(píng)分?jǐn)?shù)據(jù)集中的圖書(shū)向量與知識(shí)圖譜中的圖書(shū)向量特征融合起來(lái)，再分別放回各自的模型中，進(jìn)行監(jiān)督訓(xùn)練。該交換區(qū)域被稱(chēng)為交叉特征共享單元。由于推薦任務(wù)中的圖書(shū)向量與知識(shí)圖譜中的實(shí)體向量，本質(zhì)上是對(duì)同一個(gè)對(duì)象的不同描述，它們之間通過(guò)信息交叉共享可以讓雙方都獲得來(lái)自對(duì)方的補(bǔ)充信息，從而改善自身信息稀疏性的不足[4]，其結(jié)構(gòu)如圖2所示。推薦系統(tǒng)通過(guò)對(duì)讀者行為數(shù)據(jù)（包括用戶(hù)信息、操作記錄、評(píng)分記錄等）的挖掘找出讀者的興趣偏好特性，基于不同的偏好為讀者推薦資源。一般來(lái)說(shuō)推薦系統(tǒng)的實(shí)現(xiàn)包括下面幾個(gè)階段：首先構(gòu)建用戶(hù)行為信息數(shù)據(jù)集與圖書(shū)數(shù)據(jù)集，將用戶(hù)和圖書(shū)作為推薦算法模型的輸入；然后將圖書(shū)評(píng)分?jǐn)?shù)據(jù)集中的圖書(shū)向量與知識(shí)圖譜中的圖書(shū)向量特征融合起來(lái)，交替進(jìn)行推薦算法模型與知識(shí)圖譜嵌入模型的獨(dú)立訓(xùn)練，確定最優(yōu)參數(shù)（如圖3所示），并通過(guò)使用內(nèi)積的方式，計(jì)算用戶(hù)向量和圖書(shū)向量的相似度，最后將用戶(hù)向量和圖書(shū)向量連接起來(lái)，再通過(guò)全連接層處理計(jì)算出用戶(hù)對(duì)該圖書(shū)的喜好分值，取分值最大的前N條圖書(shū)信息推薦給讀者。

準(zhǔn)確率（Precision）和召回率（Recall）作為個(gè)性化推薦系統(tǒng)的兩個(gè)評(píng)測(cè)指標(biāo)，可以用來(lái)衡量推薦結(jié)果的質(zhì)量。平均精度均值mAP(mean Average Precision）能夠反映全局性能，參考圖4，其中兩條曲線（實(shí)線與虛線）分別對(duì)應(yīng)了兩個(gè)推薦系統(tǒng)的準(zhǔn)確率-召回率曲線。圖4顯示，兩個(gè)不同推薦系統(tǒng)的性能曲線會(huì)有部分交集產(chǎn)生，但是以虛線表示的系統(tǒng)的性能在大部分情況下都要遠(yuǎn)好于實(shí)線表示的系統(tǒng)，一個(gè)系統(tǒng)的性能如果較好，那么其曲線應(yīng)當(dāng)盡可能地顯示在上方。理想情況下的推薦系統(tǒng)，其包含的面積應(yīng)當(dāng)是1，而所有系統(tǒng)包含的面積都應(yīng)當(dāng)大于0，平均精度均值mAP的規(guī)范定義如下：

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的基于內(nèi)容的協(xié)同過(guò)濾電影推薦算法[J]. 范志強(qiáng),趙文濤.  信息與電腦(理論版). 2019(13)
[2]面向軍事信息服務(wù)的智能推薦技術(shù)[J]. 王中偉,裘杭萍,孫毅,寇大磊.  指揮控制與仿真. 2019(04)
[3]數(shù)據(jù)挖掘技術(shù)下的個(gè)性化智能推薦系統(tǒng)設(shè)計(jì)[J]. 王炎.  微型電腦應(yīng)用. 2019(02)
[4]互聯(lián)網(wǎng)+時(shí)代下圖書(shū)館的發(fā)展與挑戰(zhàn)探討[J]. 田蕊.  科技風(fēng). 2019(02)



本文編號(hào)：3404906