基于个性化实现高校图书馆的图书推荐方法、装置及设备

1.本发明涉及智能决策领域，尤其涉及一种基于个性化实现高校图书馆的图书推荐方法、装置及设备。


背景技术：

2.图书个性化推荐是指以读者为中心，根据读者借阅需求，向用户主动推荐图书，为读者提供更为精准的信息和知识服务，随着科技的发展，纸质书籍也逐渐向数字化、网络化资源发展，但是，在百万藏书量的图书馆，如何高效查询用户所需要的图书仍旧是一大难题。
3.目前，大多数高校图书馆提供的依旧是通过传统的用户自主检索图书的方式来查找借阅需求的书，但这样的方式极大的依赖于用户的检索字段和检索技术，由于不同的用户兴趣偏好不同，以至于对于图书的需求也不甚相同，但这种单向的“人找书”的检索方式缺乏对用户需求或意图的识别，不能个性化的向用户推荐实际需求的图书，从而导致图书推荐效率不高、精准度不足。


技术实现要素：

4.本发明提供一种基于个性化实现高校图书馆的图书推荐方法、装置及设备，其主要目的在于提高图书推荐效率和精准度。
5.为实现上述目的，本发明提供的一种基于个性化实现高校图书馆的图书推荐方法，包括：
6.获取借阅用户的个人属性标签，根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像；
7.根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，根据所述用户借阅特征，计算所述借阅用户与所述近邻用户之间的用户相似度
8.根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值；
9.对所述兴趣度值进行降序排序，得到兴趣度序列，根据所述兴趣度序列，从所述推荐图书中选取所述借阅用户的第一推荐图书；
10.根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书；
11.根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书。
12.在第一方面的一种可能实现方式中，所述根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，包括：
13.根据所述个人属性标签，查询借阅用户的历史借阅信息，计算所述借阅用户的借阅频次、下载频次、续借频次以及图书类型；
14.分别确定所述借阅频次、所述下载频次以及所述续借频次的借阅权重、下载权重以及续借权重；
15.根据所述借阅频次、所述下载频次、所述续借频次、所述借阅权重、所述下载权重以及所述续借权重，计算所述借阅用户的借阅活跃度；
16.根据所述借阅活跃度，检索所述图书类型的类别借阅频次；
17.在所述类别借阅频次大于预设的正常借阅频次时，判定所述图书类型为兴趣图书类别。
18.在第一方面的一种可能实现方式中，所述根据所述借阅频次、所述下载频次、所述续借频次、所述借阅权重、所述下载权重以及所述续借权重，计算所述借阅用户的借阅活跃度，包括：
19.利用下述公式计算所述借阅用户的借阅活跃度：
[0020][0021]
其中，active1(u,i)表示借阅活跃度，a1表示借阅频次，a2表示下载频次，a3表示续借频次，b1表示借阅权重，b2下载权重，b3表示续借权重。
[0022]
在第一方面的一种可能实现方式中，所述根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，包括：
[0023]
根据所述借阅用户画像，分析所述借阅用户的个人属性特征维度；
[0024]
分析所述兴趣图书类别的树状结构；
[0025]
选取所述树状结构中的预设层级，作为所述用户借阅特征的图书类型特征维度；
[0026]
根据所述个人属性特征维度和所述图书类型特征维度，识别所述借阅用户的用户借阅特征。
[0027]
在第一方面的一种可能实现方式中，所述根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，包括：
[0028]
提取所述高校图书管理库中的用户借阅特征；
[0029]
分别将所述用户借阅特征和所述用户借阅特征转换为借阅用户特征向量和库用户特征向量；
[0030]
计算所述借阅用户特征向量和所述库用户特征向量之间的余弦相似度；
[0031]
当所述余弦相似度大于预设的相似度时，将所述库用户特征向量对应的库用户作为所述借阅用户的近邻用户。
[0032]
在第一方面的一种可能实现方式中，所述并计算所述借阅用户与所述近邻用户之间的用户相似度，包括：
[0033]
识别所说用户借阅特征的借阅特征分量；
[0034]
根据所说借阅特征分量，利用下述公式计算所述借阅用户与所述近邻用户之间的用户相似度：
[0035][0036]
其中，sim(u,v)表示用户相似度，cos(u,v)表示借阅用户u与近邻用户v之间的夹角余弦，表示借阅用户u的第i个借阅特征分量与近邻用户v的第i个邻近借阅特征分量的乘积和。
[0037]
在第一方面的一种可能实现方式中，所述根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值如下述公式，包括：
[0038]
利用下述公式计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值：
[0039][0040]
其中，inter(u,i)表示借阅用户u对推荐图书i的兴趣度值，active(v,i)表示近邻用户v对推荐图书i的借阅活跃度,sim(u,v)表示借阅用户u与近邻用户v之间的用户相似度，uk表示借阅用户u的k近邻用户集合；
[0041]
第二方面，本发明还提供一种基于个性化实现高校图书馆的图书推荐装置，所述装置包括：
[0042]
用户画像构建模块，用于获取借阅用户的个人属性标签，根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像；
[0043]
近邻用户搜索模块，用于根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，根据所述用户借阅特征，计算所述借阅用户与所述近邻用户之间的用户相似度
[0044]
兴趣度值计算模块，用于根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值；
[0045]
第一推荐图书生成模块，用于对所述兴趣度值进行降序排序，得到兴趣度序列，根据所述兴趣度序列，从所述推荐图书中选取所述借阅用户的第一推荐图书；
[0046]
第二推荐图书生成模块，用于根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书；
[0047]
最终推荐图书生成模块，用于根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书。
[0048]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0049]
至少一个处理器；以及，
[0050]
与所述至少一个处理器通信连接的存储器；其中，
[0051]
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以实现上述所述的基于个性化实现高校图书馆的图书推荐方法。
[0052]
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执
行以实现上述所述的基于个性化实现高校图书馆的图书推荐方法。
[0053]
可以看出，本发明实施例通过获取借阅用户的个人属性标签可以得到借阅用户的个性化属性标签，以为后续个性化推荐图书提供保障，根据所述属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别以提取借阅用户个性化借阅特征，进而可以向借阅用户推荐更为精准的图书，并根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像可以为后续进行近邻搜索以将近邻用户的推荐图书作为候选用户推荐图书；其次，本发明实施例通过根据所述借阅用户画像，提取所述借阅用户的用户借阅特征可以提取用户借阅特征为后续搜索到近邻用户以生成第一推荐图书，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户以使用近邻用户的推荐图书生成所述借阅用户的推荐图书前提，计算所述借阅用户与所述近邻用户之间的用户相似度可以为后续计算近邻用户所对应的推荐图书的兴趣度值提供支持；进一步地，本发明实施例通过根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值以为后续筛选出推荐图书，对所述兴趣度值进行降序排序，得到兴趣度序列可以为后续进一步从中筛选第一推荐图书提供保障，从所述推荐图书中选取所述借阅用户的第一推荐图书，以为后续结合第二推荐图书生产最终推荐图书提供前提，根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书以生成最终推荐图书前提，以及根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书可以运用混合图书推荐法为借阅用户提供更精准、主动和个性化图书推荐服务。因此，本发明实施例提出的一种基于个性化实现高校图书馆的图书推荐方法、装置及设备，可以提高高校图书馆对借阅用户图书推荐的精准度。
附图说明
[0054]
图1为本发明一实施例提供的基于个性化实现高校图书馆的图书推荐方法的流程示意图；
[0055]
图2为本发明一实施例提供的基于个性化实现高校图书馆的图书推荐装置的模块示意图；
[0056]
图3为本发明一实施例提供的实现基于个性化实现高校图书馆的图书推荐方法的电子设备的内部结构示意图；
[0057]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0058]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0059]
本发明实施例提供一种基于个性化实现高校图书馆的图书推荐方法。所述基于个性化实现高校图书馆的图书推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述基于个性化实现高校图书馆的图书推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发
网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0060]
参照图1所示，为本发明一实施例提供的基于个性化实现高校图书馆的图书推荐方法的流程示意图。在本发明实施例中，所述基于个性化实现高校图书馆的图书推荐方法包括：
[0061]
s1、获取借阅用户的个人属性标签，根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像；
[0062]
本发明实施例中，所述借阅用户的个人属性标签是指在高校图书借阅中对用户属性的描述，用以表征用户与借阅相关的基本信息特征，如性别、年龄、年级、专业、所在学院以及身份类型(本科生、硕士生、博士生、教师)等，其可以通过数据脚本获取，所述数据脚本可以通过js脚本语言进行编译。其中，所述借阅用户是指高校图书馆以供人阅览、参考等图书借阅服务所面对的用户。
[0063]
进一步地，本发明实施例通过根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，以提取借阅用户个性化借阅特征，进而可以向借阅用户推荐更为准确的图书。其中，所述借阅活跃度是指在一定时间维度内用户借阅图书的相关行为，其包括纸质书借阅频次、电子书下载频次、续借频次。所述兴趣图书类别是对用户感兴趣图书对应属性和类型偏好的描述，其包括图书属性和图书类型，所述图书属性是指图书的基本信息属性，其包括图书id、书名、isbn号、作者等，所述图书类型表示图书对应于中国图书馆分类法的分类号。
[0064]
进一步地，作为本发明一可选实施例，所述根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，包括：根据所述个人属性标签，查询借阅用户的历史借阅信息，计算所述借阅用户的借阅频次、下载频次、续借频次以及图书类型；分别确定所述借阅频次、所述下载频次以及所述续借频次的借阅权重、下载权重以及续借权重；根据所述借阅频次、所述下载频次、所述续借频次、所述借阅权重、所述下载权重以及所述续借权重，计算所述借阅用户的借阅活跃度；根据所述借阅活跃度，检索所述图书类型的类别借阅频次；在所述类别借阅频次大于预设的正常借阅频次时，判定所述图书类型为兴趣图书类别。
[0065]
其中，所述借阅频次、所述下载频次以及所述续借频次是指所述借阅用户的借阅下载以及续借图书的次数，所述所述借阅权重、所述下载权重以及所述续借权重是指赋予所述借阅频次、所述下载频次以及所述续借频次的权重系数，所述借阅活跃度是指所述借阅用户借阅的活跃程度。
[0066]
进一步地，本发明一可选实施例中，利用下述公式计算所述借阅用户的借阅频次：
[0067][0068]
其中，f表示借阅频次，tr(u,i)为借阅用户u返还图书i的时间；tb(u,i)为借阅用户u借阅图书i的时间；tc为图书馆的超期临界值。
[0069]
进一步地，本发明一可选实施例中，所述根据所述借阅频次、所述下载频次、所述续借频次、所述借阅权重、所述下载权重以及所述续借权重，计算所述借阅用户的借阅活跃度，包括：
[0070]
利用下述公式计算所述借阅用户的借阅活跃度：
[0071][0072]
其中，active1(u,i)表示借阅活跃度，a1表示借阅频次，a2表示下载频次，a3表示续借频次，b1表示借阅权重，b2下载权重，b3表示续借权重。
[0073]
进一步地，本发明实施例通过根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像可以为后续进行近邻搜索以将近邻用户的推荐图书作为候选用户推荐图书。其中，所述借阅用户画像是在用户真实数据的基础上，用来勾勒用户特征，描述用户兴趣需求，全面细致地刻画用户的信息全貌而抽象出来的标签化用户模型。
[0074]
作为本发明一可选实施例，所述根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像可以通过用户画像模型去实现。
[0075]
s2、根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，根据所述用户借阅特征，计算所述借阅用户与所述近邻用户之间的用户相似度
[0076]
本发明实施例通过所述根据所述借阅用户画像，提取所述借阅用户的用户借阅特征可以提取用户借阅特征为后续搜索到近邻用户以生成第一推荐图书提供支持。
[0077]
进一步地，作为本发明一可选实施例，所述根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，包括：根据所述借阅用户画像，分析所述借阅用户的个人属性特征维度；分析所述兴趣图书类别的树状结构；选取所述树状结构中的预设层级，作为所述用户借阅特征的图书类型特征维度；根据所述个人属性特征维度和所述图书类型特征维度，识别所述借阅用户的用户借阅特征。
[0078]
其中，所述个人属性特征维度是指所述借阅用户的个人特征维度，所述树状结构是指所述高校图书管理库的书籍管理结构，所述图书类型特征维度是指所述兴趣图书类别的图书特征维度。
[0079]
进一步地，本发明实施例通过所述根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户以使用近邻用户的推荐图书生成所述借阅用户的推荐图书前提。其中，所述预构建的高校图书管理库是指基于bim技术创建的高校管理图书的数据库，其包括图书信息、读者信息、借阅信息、最近热门借阅图书等。所述近邻用户是指与当前用户特征最相似的若干用户。
[0080]
进一步地，作为本发明一可选实施例，所述根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，包括：提取所述高校图书管理库中的用户借阅特征；分别将所述用户借阅特征和所述用户借阅特征转换为借阅用户特征向量和库用户特征向量；计算所述借阅用户特征向量和所述库用户特征向量之间的余弦相似度；当所述余弦相似度大于预设的相似度时，将所述库用户特征向量对应的库用户作为所述借阅用户的近邻用户。
[0081]
其中，所述用户借阅特征是指所述高校图书管理库中的用户的借阅特征，所述借阅用户特征向量和所述库用户特征向量是指将所述借阅用户特征和所述库用户特征进行
空间映射得到的向量。
[0082]
进一步地，本发明实施例通过计算所述借阅用户与所述近邻用户之间的用户相似度可以为后续计算近邻用户所对应的推荐图书的兴趣度值提供支持。
[0083]
识别所说用户借阅特征的借阅特征分量；
[0084]
根据所说借阅特征分量，利用下述公式计算所述借阅用户与所述近邻用户之间的用户相似度：
[0085][0086]
其中，sim(u,v)表示用户相似度，cos(u,v)表示借阅用户u与近邻用户v之间的夹角余弦，表示借阅用户u的第i个借阅特征分量与近邻用户v的第i个邻近借阅特征分量的乘积和。
[0087]
s3、根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值；
[0088]
本发明实施例通过所述根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值为后续筛选出推荐图书提供支持。
[0089]
进一步地，作为本发明一可选实施例，所述根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值如下述公式：
[0090][0091]
其中，inter(u,i)表示借阅用户u对借阅图书i的兴趣度值，active(v,i)表示近邻用户v对借阅图书i的借阅活跃度,sim(u,v)表示借阅用户u与近邻用户v之间的用户相似度，uk表示借阅用户u的k近邻用户集合，∈表示属于符号。
[0092]
s4、对所述兴趣度值进行降序排序，得到兴趣度序列，根据所述兴趣度序列，从所述推荐图书中选取所述借阅用户的第一推荐图书；
[0093]
本发明实施例通过所述对所述兴趣度值进行降序排序，得到兴趣度序列可以为后续进一步从中筛选第一推荐图书提供保障。
[0094]
进一步地，作为本发明一可选实施例，所述对所述兴趣度值进行降序排序，得到兴趣度序列可以通过利用所述兴趣度值比较方法实现。
[0095]
进一步地，本发明实施例通过所述从所述推荐图书中选取所述借阅用户的第一推荐图书可以得到第一推荐图书，以为后续结合第二推荐图书生产最终推荐图书提供前提。
[0096]
进一步地，作为本发明一可选实施例，所述根据所述兴趣度序列，从所述推荐图书中选取所述借阅用户的第一推荐图书，包括：根据所述兴趣度序列，选取所述兴趣度值大于预设阈值的所述兴趣度序列中的前n个所述兴趣度对应的所述推荐图书，得到候选推荐图书；在所述候选推荐图书中，过滤借阅用户已读的历史借阅图书，得到目标推荐图书，并将所述目标推荐图书作为所述借阅用户的第一推荐图书。
[0097]
s5、根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书；
[0098]
本发明实施例通过所述根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书可以根据借阅用户的个人属性标签，得到高校相关课业的第二推荐图书，为后续结合第一推荐图书生成最终个性化推荐图书提供保障。
[0099]
进一步地，作为本发明一可选实施例，所述根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书，包括：利用所述兴趣图书类别与所述高校图书管理库中的图书进行映射，生成所述借阅用户第二推荐图书。
[0100]
s6、根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书。
[0101]
本发明实施例通过所述根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书可以运用混合图书推荐法为借阅用户提供更精准、主动和个性化图书推荐服务。
[0102]
进一步地，作为本发明一可选实施例，所述根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书可以通过合并所述第一推荐图书和所述第二推荐图书，并去除重复所述推荐图书来确定。
[0103]
可以看出，本发明实施例通过获取借阅用户的个人属性标签可以得到借阅用户的个性化属性标签，以为后续个性化推荐图书提供保障，根据所述属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别以提取借阅用户个性化借阅特征，进而可以向借阅用户推荐更为精准的图书，并根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像可以为后续进行近邻搜索以将近邻用户的推荐图书作为候选用户推荐图书；其次，本发明实施例通过根据所述借阅用户画像，提取所述借阅用户的用户借阅特征可以提取用户借阅特征为后续搜索到近邻用户以生成第一推荐图书，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户以使用近邻用户的推荐图书生成所述借阅用户的推荐图书前提，计算所述借阅用户与所述近邻用户之间的用户相似度可以为后续计算近邻用户所对应的推荐图书的兴趣度值提供支持；进一步地，本发明实施例通过根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值以为后续筛选出推荐图书，对所述兴趣度值进行降序排序，得到兴趣度序列可以为后续进一步从中筛选第一推荐图书提供保障，从所述推荐图书中选取所述借阅用户的第一推荐图书，以为后续结合第二推荐图书生产最终推荐图书提供前提，根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书以生成最终推荐图书前提，以及根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书可以运用混合图书推荐法为借阅用户提供更精准、主动和个性化图书推荐服务。因此，本发明实施例提出的一种基于个性化实现高校图书馆的图书推荐方法，可以提高高校图书馆对借阅用户图书推荐的精准度。
[0104]
如图2所示，是本发明基于个性化实现高校图书馆的图书推荐装置的功能模块图。
[0105]
本发明所述基于个性化实现高校图书馆的图书推荐装置100可以安装于电子设备中。根据实现的功能，所述基于个性化实现高校图书馆的图书推荐装置可以包括用户画像构建模块101、近邻用户搜索模块102、兴趣度值计算模块103、第一推荐图书生成模块104、
第二推荐图书生成模块105以及最终推荐图书生成模块106。本发明所述模块也可以称之为单元，是指一种能够被电子设备的处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0106]
在本实施例中，关于各模块/单元的功能如下：
[0107]
所述用户画像构建模块101，用于获取借阅用户的个人属性标签，根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像；
[0108]
所述近邻用户搜索模块102，用于根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，根据所述用户借阅特征，计算所述借阅用户与所述近邻用户之间的用户相似度
[0109]
所述兴趣度值计算模块103，用于根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值；
[0110]
所述第一推荐图书生成模块104，用于对所述兴趣度值进行降序排序，得到兴趣度序列，根据所述兴趣度序列，从所述推荐图书中选取所述借阅用户的第一推荐图书；
[0111]
所述第二推荐图书生成模块105，用于根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书；
[0112]
所述最终推荐图书生成模块106，用于根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书。
[0113]
详细地，本发明实施例中所述基于个性化实现高校图书馆的图书推荐装置100中的所述各模块在使用时采用与上述的图1中所述的基于个性化实现高校图书馆的图书推荐方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
[0114]
如图3所示，是本发明实现基于个性化实现高校图书馆的图书推荐方法的电子设备1的结构示意图。
[0115]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于个性化实现高校图书馆的图书推荐程序。
[0116]
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(control unit)，利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于个性化实现高校图书馆的图书推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
[0117]
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备1
的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于个性化实现高校图书馆的图书推荐程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0118]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0119]
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和员工接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备1之间建立通信连接。所述员工接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，员工接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的员工界面。
[0120]
图3仅示出了具有部件的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0121]
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0122]
应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。
[0123]
所述电子设备1中的所述存储器11存储的基于个性化实现高校图书馆的图书推荐程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
[0124]
获取借阅用户的个人属性标签，根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像；
[0125]
根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，根据所述用户借阅特征，计算所述借阅用户与所述近邻用户之间的用户相似度
[0126]
根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值；
[0127]
对所述兴趣度值进行降序排序，得到兴趣度序列，根据所述兴趣度序列，从所述推荐图书中选取所述借阅用户的第一推荐图书；
[0128]
根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书；
[0129]
根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书。
[0130]
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0131]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0132]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备1的处理器所执行时，可以实现：
[0133]
获取借阅用户的个人属性标签，根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像；
[0134]
根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，根据所述用户借阅特征，计算所述借阅用户与所述近邻用户之间的用户相似度
[0135]
根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值；
[0136]
对所述兴趣度值进行降序排序，得到兴趣度序列，根据所述兴趣度序列，从所述推荐图书中选取所述借阅用户的第一推荐图书；
[0137]
根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书；
[0138]
根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书。
[0139]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0140]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0141]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0142]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0143]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的
含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0144]
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0145]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
[0146]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种基于个性化实现高校图书馆的图书推荐方法，其特征在于，所述方法包括：获取借阅用户的个人属性标签，根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像；根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，根据所述用户借阅特征，计算所述借阅用户与所述近邻用户之间的用户相似度；根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值；对所述兴趣度值进行降序排序，得到兴趣度序列，根据所述兴趣度序列，从所述推荐图书中选取所述借阅用户的第一推荐图书；根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书；根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书。2.如权利要求1所述的基于个性化实现高校图书馆的图书推荐方法，其特征在于，所述根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，包括：根据所述个人属性标签，查询借阅用户的历史借阅信息，计算所述借阅用户的借阅频次、下载频次、续借频次以及图书类型；分别确定所述借阅频次、所述下载频次以及所述续借频次的借阅权重、下载权重以及续借权重；根据所述借阅频次、所述下载频次、所述续借频次、所述借阅权重、所述下载权重以及所述续借权重，计算所述借阅用户的借阅活跃度；根据所述借阅活跃度，检索所述图书类型的类别借阅频次；在所述类别借阅频次大于预设的正常借阅频次时，判定所述图书类型为兴趣图书类别。3.如权利要求2所述的基于个性化实现高校图书馆的图书推荐方法，其特征在于，所述根据所述借阅频次、所述下载频次、所述续借频次、所述借阅权重、所述下载权重以及所述续借权重，计算所述借阅用户的借阅活跃度，包括：利用下述公式计算所述借阅用户的借阅活跃度：其中，active1(u,i)表示借阅活跃度，a1表示借阅频次，a2表示下载频次，a3表示续借频次，b1表示借阅权重，b2下载权重，b3表示续借权重。4.如权利要求1所述的基于个性化实现高校图书馆的图书推荐方法，其特征在于，所述根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，包括：根据所述借阅用户画像，分析所述借阅用户的个人属性特征维度；分析所述兴趣图书类别的树状结构；选取所述树状结构中的预设层级，作为所述用户借阅特征的图书类型特征维度；
根据所述个人属性特征维度和所述图书类型特征维度，识别所述借阅用户的用户借阅特征。5.如权利要求1所述的基于个性化实现高校图书馆的图书推荐方法，其特征在于，所述根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，包括：提取所述高校图书管理库中的用户借阅特征；分别将所述用户借阅特征和所述用户借阅特征转换为借阅用户特征向量和库用户特征向量；计算所述借阅用户特征向量和所述库用户特征向量之间的余弦相似度；当所述余弦相似度大于预设的相似度时，将所述库用户特征向量对应的库用户作为所述借阅用户的近邻用户。6.如权利要求1所述的基于个性化实现高校图书馆的图书推荐方法，其特征在于，所述根据所述用户借阅特征，计算所述借阅用户与所述近邻用户之间的用户相似度，包括：识别所说用户借阅特征的借阅特征分量；根据所说借阅特征分量，利用下述公式计算所述借阅用户与所述近邻用户之间的用户相似度：其中，sim(u,v)表示用户相似度，cos(u,v)表示借阅用户u与近邻用户v之间的夹角余弦，表示借阅用户u的第i个借阅特征分量与近邻用户v的第i个邻近借阅特征分量的乘积和。7.如权利要求1所述的基于个性化实现高校图书馆的图书推荐方法，其特征在于，所述根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值，包括：利用下述公式计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值：其中，inter(u,i)表示借阅用户u对推荐图书i的兴趣度值，active(v,i)表示近邻用户v对推荐图书i的借阅活跃度,sim(u,v)表示借阅用户u与近邻用户v之间的用户相似度，u
k
表示借阅用户u的k近邻用户集合。8.一种基于个性化实现高校图书馆的图书推荐装置，其特征在于，所述装置包括：用户画像构建模块，用于获取借阅用户的个人属性标签，根据所述个人属性标签，识别所述借阅用户的借阅活跃度和兴趣图书类别，根据所述个人属性标签、所述借阅活跃度以及所述兴趣图书类别，构建所述借阅用户的借阅用户画像；近邻用户搜索模块，用于根据所述借阅用户画像，提取所述借阅用户的用户借阅特征，根据所述用户借阅特征，在预构建的高校图书管理库中搜索所述借阅用户的近邻用户，根据所述用户借阅特征，计算所述借阅用户与所述近邻用户之间的用户相似度
兴趣度值计算模块，用于根据所述用户相似度和所述借阅活跃度，计算所述借阅用户对所述近邻用户所对应的推荐图书的兴趣度值；第一推荐图书生成模块，用于对所述兴趣度值进行降序排序，得到兴趣度序列，根据所述兴趣度序列，从所述推荐图书中选取所述借阅用户的第一推荐图书；第二推荐图书生成模块，用于根据所述兴趣图书类别，从所述高校图书管理库中查询对应的类别图书，并将所述类别图书作为所述借阅用户的第二推荐图书；最终推荐图书生成模块，用于根据所述第一推荐图书和所述第二推荐图书，确定所述借阅用户的最终推荐图书。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于个性化实现高校图书馆的图书推荐方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于个性化实现高校图书馆的图书推荐方法。

技术总结
本发明涉及智能决策领域，揭露一种基于个性化实现高校图书馆的图书推荐方法、装置及设备，包括：识别借阅用户的借阅活跃度和兴趣图书类别，构建借阅用户的借阅用户画像；提取借阅用户的用户借阅特征，在预构建的高校图书管理库中搜索借阅用户的近邻用户，并计算借阅用户与近邻用户之间的用户相似度；计算借阅用户对近邻用户所对应的推荐图书的兴趣度值；对兴趣度值进行降序排序，得到兴趣度序列，从推荐图书中选取借阅用户的第一推荐图书；从高校图书管理库中查询对应的类别图书，并将类别图书作为借阅用户的第二推荐图书；根据第一推荐图书和第二推荐图书，确定借阅用户的最终推荐图书。本发明可以提高高校图书馆对借阅用户图书推荐的精准度。推荐的精准度。推荐的精准度。


技术研发人员：许润原 顾国庆 黄江娓
受保护的技术使用者：景德镇学院
技术研发日：2023.06.07
技术公布日：2023/9/12