融合多源信息的高校智能图书推荐算法

在传统图书推荐过程中,由于用户需求分析的数据集有限,导致用户对推荐图书的满意度较低,为此提出一种以融合多源信息为基础的高校智能图书推荐算法。以多源数据融合为驱动,利用用户规模数据、用户类型数据、用户学龄数据以及用户偏好数据,对用户阅读需求特征分析数据进行扩样处理,并对扩样系数进行限制,从而保留数据的原始特征。根据阅读偏好相似度对扩样后的数据进行分类处理,在同类群体中计算与目标用户历史查阅记录相似度最高的用户,按照借阅时长,将该用户的借阅图书作为最终的推荐结果。在测试结果中,用户对设计算法推荐图书资源的满意度达到了96.0%以上。