一种基于个性化需求的动态图书检索方法及系统

本发明涉及图书信息检索与个性化推荐，尤其涉及一种基于个性化需求的动态图书检索方法及系统。

背景技术：

1、随着数字图书资源规模的持续扩大，图书检索成为用户获取信息资源的重要手段。然而，现有图书检索系统及方法存在以下技术问题：

2、第一，检索与推荐功能相互割裂。现有系统通常将图书检索与个性化推荐作为两个独立模块运行，检索仅基于关键词的字面匹配，推荐仅基于用户历史行为的协同过滤或内容匹配，二者缺乏有效的协同机制，无法实现从用户检索需求到个性化推荐的无缝衔接。

3、第二，多因子排序权重静态化。部分系统虽引入多因子评分排序机制，但各因子的权重系数为固定预设值，无法根据用户画像的成熟度动态调整，导致对新用户（缺乏历史数据）和老用户（兴趣明确）均难以达到最优推荐效果。

4、第三，语义扩展缺乏个性化。现有语义扩展方法多为基于通用知识库的语义扩展，未结合用户个体的兴趣偏好特征进行针对性扩展，扩展结果可能与用户实际需求偏离。

5、第四，用户反馈利用不充分。现有系统的反馈学习机制多仅用于用户画像的增量更新，未能将反馈信息同时用于驱动排序模型的自适应调整，系统缺乏真正的动态自适应能力。

6、例如，中国专利文献cn112131477a（公开日2020年12月25日）公开了一种基于用户画像的图书馆图书推荐系统及方法，其通过采集用户行为数据构建用户画像进行图书推荐。然而，该方案仅涉及推荐场景，未涉及检索需求的语义识别与扩展，也未建立检索与推荐的协同机制。

7、又如，中国专利文献cn105760547a（公开日2016年07月13日）公开了一种基于用户聚类的图书推荐方法及系统，但其仅基于借阅记录单一行为数据，未融合多源行为数据，且权重配置为静态预设值。

8、可见，现有技术中检索与推荐功能相互割裂、多因子排序权重静态化、语义扩展缺乏个性化、用户反馈利用不充分等技术问题仍未得到有效解决。

技术实现思路

1、针对现有技术中检索与推荐割裂、权重静态化、语义扩展缺乏个性化、反馈机制单一的技术问题，本发明提供了一种基于个性化需求的动态图书检索方法及系统，实现检索与推荐的协同优化及系统的动态自适应。

2、一种基于个性化需求的动态图书检索方法，包括以下步骤：

3、s1：用户行为数据采集：预先提取数据库中每一本图书的主题标签，构成全局标签集合；采集用户行为数据，所述用户行为数据包括检索行为、借阅行为、阅读行为和收藏行为信息；用户的行为数据集合表示为： 。

4、s2：构建用户兴趣画像：基于步骤s1采集的行为数据构建用户兴趣模型，按照权重从高到低排序，选取权重最高的前k个标签作为用户核心兴趣特征，形成最终用户画像。

5、进一步地，步骤s2中构建用户兴趣画像包括：

6、为不同行为类型设置对应的权重：

7、阅读行为的权重与阅读时长相关，设为 ，其中阅读时长以小时为单位；

8、检索行为设为固定权重，借阅行为设为固定权重，收藏行为设为固定权重；

9、当用户对包含标签的图书产生检索、借阅、阅读或收藏行为时，按照对应行为权重对该标签的兴趣值进行累加；

10、计算用户兴趣权重 ，各标签权重之和为，其中表示用户涉及的标签总数，表示用户对标签的累计兴趣值，表示对应行为的权重值；

11、按照兴趣权重从高到低排序，选取权重最高的前k个标签作为用户核心兴趣特征，形成最终用户画像。

12、s3：用户检索需求语义识别：根据检索关键词与全局标签集合的语义相似度筛选标签，构建用户当前检索的显性语义需求集合，结合所述用户画像进行语义扩展，得到最终语义需求集合。

13、进一步地，步骤s3所述语义扩展具体包括：

14、对全局标签集合中的标签定义评分函数，，其中sim表示检索关键词与标签的语义相似度，表示用户输入的第个检索关键词，表示图书主题标签，λ为语义匹配与兴趣偏好的平衡系数，，选取评分最高的前n个标签作为扩展语义标签，与所述显性语义需求集合合并得到最终语义需求集合。

15、s4：生成候选图书列表：从数据库中筛选至少包含所述最终语义需求集合中一个标签的图书，生成候选图书列表。

16、s5：个性化排序：对候选图书集合进行多因子评分排序，生成个性化排序列表；

17、所述多因子包括关键词匹配度、用户兴趣匹配度以及图书受欢迎程度，综合评分函数为：，其中、、为权重系数，分别对应关键词匹配度、用户兴趣匹配度和图书受欢迎程度在综合评分中的权重，，且；

18、所述权重系数根据用户画像成熟度特征进行自适应调整。

19、进一步地，步骤s5所述权重系数的自适应调整包括：

20、系统预设权重系数的初始值、、，且；

21、各权重系数具有预设的安全边界：的取值范围为[0.20,0.70]，的取值范围为[0.15,0.65]，的取值范围为[0.05,0.40]；

22、所述用户画像成熟度特征按照以下公式计算：

23、；

24、其中表示用户的历史行为记录总条数，为预设饱和阈值；

25、根据所述画像成熟度特征确定权重调整因子，通过分段函数确定；

26、基于所述权重调整因子计算调整后的目标权重系数，并进行边界约束与归一化处理。

27、进一步地，所述权重系数的自适应调整遵循以下原则：

28、关键词匹配度权重随用户画像成熟度的提高而单调递减；

29、用户兴趣匹配度权重随用户画像成熟度的提高而单调递增；

30、图书受欢迎程度权重在用户画像成熟度较低时取值较高，在用户画像成熟度提高后取值降低。

31、进一步地，步骤s5中还包括推荐列表多样性优化：排序后引入多样性优化，按照预设的滑动窗口大小w对排序后的推荐列表进行滑动窗口扫描；在每个滑动窗口内，若检测到任意两本图书的主题标签集合的jaccard相似度超过预设的相似度阈值，则降低其中评分较低图书的排序位置。

32、s6：相似读者推荐：采用k-means聚类算法对全部用户的兴趣标签向量进行聚类，使用轮廓系数确定最优聚类数；选取与目标用户同属一个兴趣标签簇且兴趣向量余弦相似度排名前m位的用户作为相似读者群体；聚合相似读者群体中有而目标用户未产生借阅或收藏行为的图书，按出现频次排序生成推荐列表。

33、s7：生成最终推荐结果：由步骤s5生成的个性化推荐结果和步骤s6生成的相似读者推荐结果两部分构成。

34、s8：用户反馈学习：根据用户对推荐结果的点击、阅读、借阅、收藏、忽略行为数据，对用户画像中的标签兴趣权重进行增量更新；更新在用户产生行为后实时触发或在预设时间窗口后批量触发；同时对全局标签集合进行动态维护。

35、本发明还提供一种基于个性化需求的动态图书检索系统，包括：

36、用户数据采集模块，用于实现步骤s1；

37、用户画像构建模块，用于实现步骤s2；

38、需求语义识别模块，用于实现步骤s3；

39、图书检索模块，用于实现步骤s4；

40、个性化排序模块，用于实现步骤s5；

41、相似读者推荐模块，用于实现步骤s6；

42、智能推荐模块，用于实现步骤s7；

43、用户反馈学习模块，用于实现步骤s8。

44、本发明动态图书检索方法的有益效果：

45、1、检索与推荐协同优化：将用户检索行为作为个性化推荐的入口，检索结果经语义扩展后进入多因子排序推荐流程，实现从检索到推荐的无缝衔接与协同优化，克服了现有技术中检索与推荐割裂的技术缺陷。

46、2、动态自适应权重调整：首次提出基于用户画像成熟度的多因子权重动态自适应调整机制，权重系数随用户画像成熟度动态变化，并设有安全边界约束，兼顾了新用户冷启动和老用户精准推荐的需求。

47、3、个性化语义扩展：在语义匹配的基础上结合用户画像进行个性化扩展，评分函数同时考虑语义相似度与用户兴趣偏好，扩展结果更贴合用户实际需求。

48、4、推荐多样性保障：引入滑动窗口jaccard相似度检测与重排策略，有效避免推荐结果过于集中，提高了推荐结果的多样性。

49、5、完整闭环反馈：用户反馈同时驱动用户画像更新和排序权重自适应调整，系统具备持续自我优化能力。