基于深度学习的数字图书馆资源个性化推荐模型设计
作者:任蓓蓓,徐益强,封丽 单位:南京审计大学图书馆,江苏省生态环境监控中心,河海大学图书馆 本文刊于: 《贵阳学院学报(自然科学版)》 2021年第0期
关键词:
深度学习 数字图书馆资源 个性化推荐 用户画像Keywords:
Deep learning,digital library resources,personalized recommendation,user portrait
摘要
针对海量在线资源带来的"信息迷航"情况,本文提出基于深度学习的数字图书馆资源个性化推荐模型。首先对深度学习的特点进行分析,再运用其对数字图书馆用户进行画像建模,根据用户特征、行为与偏好等信息,构建用户画像,再根据提取到的用户画像特征,结合深度学习算法,引入用户特征与时间关系参数,提高用户与资源间的匹配度,以此实现数字图书馆资源个性化推荐,并进行实验。实验结果表明,所提方法准确率可达77.34%,AUC最大值为92.55%,且具有良好的运行效率,对于数字图书馆资源个性化推荐的研究具有一定的参考价值。