基于深度学习的数字图书馆资源个性化推荐模型设计

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。

上一篇:基于量子人工鱼群算法优化的K-mediods聚类挖掘研究
下一篇:基于压缩感知的图像重构算法研究

分享到: 分享基于深度学习的数字图书馆资源个性化推荐模型设计到腾讯微博           收藏
评论排行
公告 
相关期刊文献推荐
相关会议文献推荐
相关硕士文献推荐
相关博士文献推荐