基于图书目录注意力机制的读者偏好分析与推荐模型研究

摘要：

[目的]为解决现有推荐算法因忽略读者对于图书目录的关注而导致推荐准确度不高的问题,本文提出一种基于图书目录注意力机制的读者偏好分析方法及其个性化推荐模型IABiLSTM.[方法]根据图书标题和目录内容提取图书的语义特征:利用BiLSTM网络捕获文本的长距离依赖和语序上下文信息,使用双层Self-Attention机制增强图书目录特征更深层次的语义表达;分析读者历史浏览行为,使用兴趣函数拟合量化读者兴趣度;将图书的语义特征和读者兴趣度相结合生成读者偏好向量,计算候选图书语义特征向量和读者偏好向量的相似度预测评分并完成个性化图书推荐.[结果]使用MSE、Precision1、Recall三项指标对模型进行考察,当N=50时,豆瓣数据集上结果分别为1.1％、89.1％、85.2％,Amazon数据集上结果分别为1.2％、75.2％、72.8％,优于对比模型.[局限]仅在豆瓣读书和Amazon两个数据集上进行了模型验证,在其他数据集上的泛化性能有待进一步验证.[结论]本文通过提高对图书目录的注意力关注度和对读者历史浏览交互行为的分析,有效表达读者的兴趣偏好,对图书推荐准确度的提升起到了重要作用.所提模型不仅适用于基于图书内容和读者浏览行为的推荐任务,在其他常见的自然语言处理任务中也有借鉴意义.

关键词：浏览行为、图书目录注意力、读者偏好、个性化推荐、BiLSTM

所属期刊栏目：6

分类号：G250(图书馆学、图书馆事业)

资助基金：国家自然科学基金61702091

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：138-152