一种融合群组特征的个性化图书推荐模型

“热门借阅”“热门检索”等无差别的非个性化推荐方式无法有效解决馆藏图书中的“暗书”问题。而个性化推荐通常需要获取大量用户交互信息。然而在实际图书流通服务中，用户的书目检索等操作往往处于非登录状态，数据采集有很大局限性。由此提出一种融合群组特征的个性化图书推荐模型，仅基于用户的历史借阅信息数据及基础信息，变换得到读者对书目的评分预测，然后利用矩阵分解分析主体阅读偏好，进行个性化推荐。在此基础上，通过聚类算法得到目标读者的群组画像特征，为目标读者生成离线推荐列表。该文采用信息工程大学图书馆2020年度流通数据集验证了推荐模型的有效性，并通过对比实验验证了模型的推荐准确率。