[发明专利]一种面向高校图书馆的图书个性化推荐方法和系统

摘要

本发明公开了一种面向高校图书馆的图书个性化推荐的方法，解决高校图书馆现有的图书推荐算法中大规模数据存储和查询、可扩展性及推荐效果差的问题，其基本思路如下：首先将图书馆内的读者和图书等作为节点，构建图模型；其次，将读者的操作日志文件转化为读者‑图书类别偏好矩阵，和读者个人信息矩阵一起计算读者间的相似度，并把这些操作和挖掘出的信息作为边构建关联图谱；其次，将关联图谱和谱聚类相结合，提出了一种新的图书个性化推荐模型，计算得到关于读者的类簇分布；最后，当需要进行图书推荐时，在该读者对应的类簇中根据协同过滤算法计算出推荐图书列表。

主权项

1.一种面向高校图书馆的图书个性化推荐方法，其特征在于，包括以下步骤：(1)对高校图书馆的源数据进行数据清洗，以提取出其中的元数据，并将该元数据导入到图数据库中；(2)将图数据库中的元数据转化为读者对图书的喜好分数；步骤(2)具体为，根据元数据构造关联图谱，关联图谱中读者、图书和图书类别视为关联图谱中的一个节点，喜好分数S_book作为读者和图书之间的边，图书所属关系作为图书和图书类别之间的边，其中喜好分数S_book是通过对各种图书操作进行加权求和得出；(3)根据步骤(2)获得的读者对图书的喜好分数计算读者对各图书类别的偏好程度P，多个偏好程度组成读者‑图书类别偏好矩阵；(4)根据元数据中的读者信息建立对应的读者个人信息矩阵，其中矩阵中的行表示不同的读者，列表示读者的属性；(5)根据步骤(3)生成的读者‑图书类别偏好矩阵和步骤(4)建立的读者个人信息矩阵计算读者间的相似度，并将计算得到的该读者间的相似度作为读者与读者之间的关联边插入关联图谱，从而在关联图谱中形成了基于读者相似度的无向带权图；(6)使用谱聚类算法对步骤(5)中得到的关联图谱中的读者节点进行聚类，以得到读者与聚类类别之间的关系，其中步骤(5)中形成的无向带权图作为聚类过程的输入；(7)根据步骤(6)得到的读者与聚类类别之间的关系生成推荐图书。