基于层次分析法的图书协同过滤推荐算法研究

针对高校图书馆缺乏图书评价数据和协同过滤算法的冷启动问题,提出一种基于层次分析法的热门图书推荐方法。首先基于层次分析法构建图书热度评价模型,其次提取图书的中图分类号计算图书间的相似度,最后基于中图分类号推荐图书热度Top-N图书列表和图书热度Top-N新书列表。在高校图书馆数据集上进行实验验证和比较结果表明,所提算法的推荐多样性和新颖度均优于传统算法,推荐性能得到较好提升。

基于修正RFM模型的高校图书馆热门图书评价体系及影响因素研究

通过构建BRFM模型评价高校图书馆馆藏图书热门程度,并从图书维度和读者维度探究热门图书的影响因素,进而为高校图书馆建设提供可行性建议。首先对传统RFM模型进行改进并与图书评价相结合构建热门图书评价模型,其次构建图书-读者因素驱动模型,最后运用XGBoost算法对图书-读者因素驱动模型的10项指标进行重要性排序,探究热门图书的影响因素。经结果评价分析,利用BRFM模型进行图书热门程度评价更具科学性、合理性,同时,热门图书与非热门图书在读者维度指标的差异性更大,通过进一步探究其规律可为提高高校图书馆创新型服务质量提出建议。