基于隐式问询的儿童绘本推荐系统

与一般推荐系统不同,由于儿童无法准确表述自己的阅读兴趣,儿童绘本推荐系统会出现特殊的冷启动问题。针对这个问题,提出一种基于隐式问询的个性化推荐技术,通过隐式询问儿童更容易回答的日常行为喜好,来推断儿童潜在的阅读喜好,提高推荐系统的准确率。首先,借助专家信息设计符合儿童日常行为的隐式问询题目;然后,建立隐式问询儿童兴趣模型,并计算出儿童的阅读兴趣;最后,生成绘本推荐列表。在全国连锁企业老约翰绘本馆和皮克布克绘本王国提供的真实数据集上进行了相关对比实验,实验结果表明,该隐式问询推荐技术有更高的准确度,能有效缓解儿童绘本推荐中用户冷启动问题。