基于图卷积神经网络的图书推荐方法研究*

情报探索 ›› 2022, Vol. 1 ›› Issue (10): 1-.

• 理论探索 •

基于图卷积神经网络的图书推荐方法研究*

（1.福州大学信息管理研究所福建福州 350108）
（2.福州大学图书馆福建福州 350108）
(3.福建农林大学图书馆福建福州 350002）

出版日期:2022-10-15 发布日期:2022-11-15
作者简介:陈帜（1999—），男，2019级硕士研究生，研究方向为智能信息服务；张文德（1962—），男，博士，教授，博士生导师，研究方向为信息管理与信息系统、知识产权，通讯作者；刘田（1983—），女，硕士，馆员，主要研究方向为数字图书馆与智慧图书馆。
基金资助:
*本文系福建省教育厅课题“基于多模态数据的学习行为动态跟踪与演化分析”（项目编号：JAT211014）；中国高校产学研创新基金-新一代信息技术创新项目“基于深度学习的慕课个性化推荐服务创新研究”（项目编号：2019ITA01013）；福建省中青年教师教育科研基金项目“开放数据环境下信息聚合研究”（项目编号：JAT191919）研究成果。

Online:2022-10-15 Published:2022-11-15

摘要/Abstract

摘要：

［目的／意义］用户与项目的交互历史中包含大量的语义信息，现有的协同过滤方法无法捕获其中的信息，将具有良好特征表示能力的图卷积神经网络引入图书推荐领域。［方法／过程］根据交互历史构建读者-图书二部图，搭建图卷积神经网络，通过连续的卷积层捕获二部图的高阶连通性来得到读者的邻域偏好信息，在预测层对邻域信息聚合并开展预测。［结果／结论］将提出的方法与对比方法在豆瓣图书数据集上进行实验，结果表明所提出的基于图卷积神经网络的图书推荐方法在召回率和归一化折损累计增益两项指标上均取得更好的表现。

陈帜张文德刘田.

基于图卷积神经网络的图书推荐方法研究* [J]. 情报探索, 2022, 1(10): 1-.

[1]	王灵, 王尧. 基于信息觅食理论的推荐系统浏览行为研究*——以大学生网购图书为例 [J]. 情报探索, 2022, 1(8): 1-.
[2]	宫月琦. 基于最优特征选择增强的图书推荐系统模型设计[J]. 情报探索, 2021, 1(8): 1-.
[3]	董杨帆. 改进协同过滤算法的图书推荐系统设计与实现[J]. 情报探索, 2021, 1(7): 1-.
[4]	韩思絮. 基于时间和自适应TOP-N的图书推荐算法研究[J]. 情报探索, 2019, 1(8): 1-.
[5]	李学超　张文德曾金晶，等. 推荐系统领域研究现状分析*[J]. 情报探索, 2019, 1(1): 1-.
[6]	陈梅梅　王丹丹. 用户体验视角下电子商务推荐系统交互界面的需求研究*[J]. 情报探索, 2018, 1(3): 1-.
[7]	刘忠宝. 机器学习方法在个性化推荐系统中的应用*[J]. 情报探索, 2016, 1(4): 1-.
[8]	付凯丽. 基于社会化标签的图书推荐系统模型研究*[J]. 情报探索, 2016, 1(10): 1-.

基于图卷积神经网络的图书推荐方法研究*

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 8

编辑推荐

Metrics

本文评价