基于XGBoost的图书馆混合推荐模型研究与应用——以中国传媒大学图书馆为例

随着信息技术的发展,图书馆传统的推荐方式难以满足广大读者的个性化需求,单一的推荐算法在海量数据处理面前的缺陷也愈发明显,协同过滤是解决图书推荐问题的重要方法。文章分析了基于用户和基于物品的两种协调过滤算法,借助XGBoost梯度树状开源框架对协同过滤结果持续优化,提出了一种融合用户和物品的混合推荐模型,并利用中国传媒大学图书馆的借阅数据进行了仿真实验,与单一基于用户的协调过滤算法对比,混合推荐模型提升了推荐的精准率、召回率和F1值,验证了推荐模型的有效性。