System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种文学作品智能化推荐系统及方法技术方案_技高网

一种文学作品智能化推荐系统及方法技术方案

技术编号:42908068 阅读:25 留言:0更新日期:2024-09-30 15:25
本发明专利技术涉及推荐技术领域,公开了一种文学作品智能化推荐系统及方法,包括:用户信息采集模块;同类信息采集模块;第一推荐模块,用于获取所述同类用户集合中其他用户的阅读特征信息,生成第一推荐阅读作品,并将所述第一推荐阅读作品推荐至所述目标用户;长期阅读兴趣采集模块;第二推荐模块,用于根据所述长期阅读作品特征调整所述第一推荐阅读作品,生成第二推荐阅读作品;短期阅读兴趣采集模块;第三推荐模块,用于根据所述短期阅读作品特征调整所述第二推荐阅读作品,生成第三推荐阅读作品。通过各个模块之间的数据流动和交互,基于相似用户进行初步推荐,根据用户的长期和短期兴趣进行逐步优化和调整,为用户提供更加准确的阅读推荐。

【技术实现步骤摘要】

本专利技术涉及推荐,具体涉及一种文学作品智能化推荐系统及方法


技术介绍

1、随着信息技术的进步,图书馆、在线阅读平台和电子书提供商能够存储和管理大量的文学作品和用户数据。这些数据为阅读推荐系统提供基础。

2、但传统的文学作品阅读推荐方法往往依赖于专家或书评人的主观评价,这种评价方式可能会受到个人喜好、偏见或专业背景的影响,导致推荐的文学作品并不一定符合读者的兴趣和需求;同时缺乏足够的用户数据和行为数据来支撑精确的推荐,由于数据量有限,系统可能无法准确捕捉用户的阅读偏好和兴趣变化,导致推荐的文学作品不够准确,从而降低了用户体验和阅读推荐的效果,因此,提出一种文学作品智能化推荐系统及方法,解决上述技术问题。


技术实现思路

1、本专利技术的目的在于提供一种文学作品智能化推荐系统及方法,解决以下技术问题:

2、如何提供一种能够更加准确地向用户推荐符合用户需求的文学作品推荐系统。

3、本专利技术的目的可以通过以下技术方案实现:

4、一种文学作品智能化推荐系统,包括:

5、用户信息采集模块,用于采集目标用户的个人信息;

6、同类信息采集模块,用于根据所述目标用户的个人信息建立目标用户的同类用户集合,用于汇集服务器中与所述目标用户的个人信息相关的其他用户;

7、第一推荐模块,用于获取所述同类用户集合中其他用户的阅读特征信息,生成第一推荐阅读作品,并将所述第一推荐阅读作品推荐至所述目标用户;

8、长期阅读兴趣采集模块,用于采集所述目标用户的长期行为信息,并根据所述长期行为信息获取所述目标用户的长期阅读作品特征;

9、第二推荐模块,用于根据所述长期阅读作品特征调整所述第一推荐阅读作品,生成第二推荐阅读作品,并将所述第二推荐阅读作品推荐至所述目标用户;

10、短期阅读兴趣采集模块,用于采集所述目标用户的短期行为信息,并根据所述短期行为信息获取所述目标用户的短期阅读作品特征;

11、第三推荐模块,用于根据所述短期阅读作品特征调整所述第二推荐阅读作品,生成第三推荐阅读作品,并将所述第三推荐阅读作品推荐至所述目标用户。

12、优选的,获取所述同类用户集合中其他用户的阅读特征信息,生成第一推荐阅读作品的过程包括:

13、收集所述同类用户集合中各个同类用户的同类用户阅读数据;

14、从各个所述同类用户阅读数据中提取关键特征作为同类用户阅读特征;

15、将所述同类用户集合中所有同类用户的阅读特征进行聚合,形成所述同类用户集合的整体阅读特征;

16、将所述同类用户集合的整体阅读特征作为输入,基于协同过滤的推荐算法为所述目标用户生成第一推荐阅读作品;

17、其中,所述整体阅读特征中的各个阅读特征根据目标用户与阅读特征对应的同类用户的相似度进行排序,所述排序结果对应第一推荐阅读作品的排序结果。

18、优选的,根据所述长期阅读作品特征调整所述第一推荐阅读作品,生成第二推荐阅读作品的过程包括:

19、根据预设的长期时间区间获取所述目标用户的长期行为数据,根据所述长期行为数据获取所述目标用户的长期阅读作品特征;

20、根据所述长期阅读作品特征计算长期阅读作品特征与第一推荐阅读作品的各个作品的第一匹配程度;

21、根据所述第一匹配程度调整所述第一推荐阅读作品中各个作品的排序生成第二推荐阅读作品。

22、优选的,根据所述第一匹配程度调整所述第一推荐阅读作品中各个作品的排序生成第二推荐阅读作品的过程包括:

23、通过公式:

24、计算所述第一推荐阅读作品中各个作品的排序权重系数;

25、其中,;

26、根据所述排序权重系数的排序调整所述第一推荐阅读作品中各个作品的排序生成第二推荐阅读作品;

27、其中,为第一推荐阅读作品中第m个作品的排序权重系数;为第m个作品对应的同类用户与目标用户的相似度;为预设初始相似值;为长期阅读作品特征与第一推荐阅读作品中第m个作品的第一匹配度;为预设初始第一匹配值;n为长期阅读作品特征参数的项数;i∈[1,n];为第i个长期阅读作品特征参数的权重系数;为第i个长期阅读作品特征参数的应用系数;和为预设权重系数且。

28、优选的,根据所述短期阅读作品特征调整所述第二推荐阅读作品,生成第三推荐阅读作品的过程包括:

29、根据预设的短期时间区间获取所述目标用户的短期行为数据,根据所述短期行为数据获取所述目标用户的短期阅读作品特征;

30、根据所述短期阅读作品特征计算短期阅读作品特征与第二推荐阅读作品的各个作品的第二匹配程度;

31、根据所述第二匹配程度调整所述第二推荐阅读作品中各个作品的排序生成第三推荐阅读作品。

32、优选的,根据所述第二匹配程度调整所述第二推荐阅读作品中各个作品的排序生成第三推荐阅读作品的过程包括:

33、通过公式:

34、计算所述第二推荐阅读作品中各个作品的排序权重系数;

35、根据所述排序权重系数的排序调整所述第二推荐阅读作品中各个作品的排序生成第三推荐阅读作品;

36、其中,为第二推荐阅读作品中第m个作品的排序权重系数;为预设初始排列值;为短期阅读作品特征与第二推荐阅读作品中第m个作品的第二匹配度;为预设初始第二匹配值;为预设的长期时间区间中短期时间区间的总段数;为所述目标用户当前的短期时间区间与长期时间区间中各个历史短期时间区间对应的阅读兴趣特征变化次数;和为预设权重系数且。

37、优选的,获得所述目标用户当前的短期时间区间与长期时间区间中各个历史短期时间区间对应的阅读兴趣特征变化次数的过程包括:

38、将所述长期时间区间划分为多个与当前短期时间区间长度相同的历史短期时间区间;

39、计算所述目标用户在各个短期时间区间内的阅读兴趣特征;

40、将当前短期时间区间的阅读兴趣特征与各个历史短期时间区间对应的阅读兴趣特征进行比对,获取当前短期时间区间的阅读兴趣特征与各个历史短期时间区间对应的阅读兴趣特征存在变化的次数。

41、一种文学作品智能化推荐方法,包括:

42、采集目标用户的个人信息,根据所述目标用户的个人信息建立目标用户的同类用户集合,汇集服务器中与所述目标用户的个人信息相关的其他用户;

43、获取所述同类用户集合中其他用户的阅读特征信息,生成第一推荐阅读作品,并将所述第一推荐阅读作品推荐至所述目标用户;

44、采集所述目标用户的长期行为信息,并根据所述长期行为信息获取所述目标用户的长期阅读作品特征;

45、根据所述长期阅读作品特征调整所述第一推荐阅读作品,生成第二推荐阅读作品,并将所述第二推荐阅读作品推荐至所述目标用户;

46、采集所述目标用户的短期行为信息,并根据所述短期行本文档来自技高网...

【技术保护点】

1.一种文学作品智能化推荐系统,其特征在于,包括:

2.根据权利要求1所述的文学作品智能化推荐系统,其特征在于,获取所述同类用户集合中其他用户的阅读特征信息,生成第一推荐阅读作品的过程包括:

3.根据权利要求1所述的文学作品智能化推荐系统,其特征在于,根据所述长期阅读作品特征调整所述第一推荐阅读作品,生成第二推荐阅读作品的过程包括:

4.根据权利要求3所述的文学作品智能化推荐系统,其特征在于,根据所述第一匹配程度调整所述第一推荐阅读作品中各个作品的排序生成第二推荐阅读作品的过程包括:

5.一种文学作品智能化推荐方法,其特征在于,包括:

【技术特征摘要】

1.一种文学作品智能化推荐系统,其特征在于,包括:

2.根据权利要求1所述的文学作品智能化推荐系统,其特征在于,获取所述同类用户集合中其他用户的阅读特征信息,生成第一推荐阅读作品的过程包括:

3.根据权利要求1所述的文学作品智能化推荐系统,其特征在于,根据所述长期阅读作...

【专利技术属性】
技术研发人员:熊琴
申请(专利权)人:南昌理工学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1