摘要
文章针对匿名状态下OPAC无法实现个性化图书推荐的问题,提出一种基于语义扩展的非个性化图书推荐方法。其算法思想是首先从图书馆数据平台中获取馆藏图书元数据,并提取图书主题特征;其次获取读者检索行为数据,并提取读者兴趣特征;最后通过比较两者特征相似度,筛选出读者可能感兴趣的图书。文章利用Synonyms中文近义词工具进行了实验验证,结果表明,该方法可以为匿名用户推荐语义相关的图书,从而更好地满足用户需求,提高馆藏图书利用率。
To address the challenge of OPAC systems being unable to provide personalized book recommendations for anonymous users,this paper proposes a non-personalized book recommendation method based on semantic expansion.The algorithm first extracts bibliographic metadata and thematic features from the library’s data platform.Then,it collects user search behavior data to derive user interest features.By comparing the semantic similarity between book features and user interests,the system identifies books that anonymous users may find appealing.Experimental validation was conducted using the Synonyms Chinese tool.Results indicate that the proposed method can effectively recommend semantically relevant books to anonymous users,thereby better meeting user needs and enhancing the utilization of library collections.
作者
潘文佳
蔡俊
曹晓文
Pan Wenjia;Cai Jun;Cao Xiaowen
出处
《图书馆研究与工作》
2025年第9期61-66,共6页
Library Science Research & Work
基金
文化和旅游部全国公共文化发展中心2025年度公共数字文化服务课题“基于公共文化服务大数据的行业大语言模型应用研究”(项目编号:GGSZWHFW2025-002)
2025年度江苏省图书馆学会课题“语言模型驱动下的图书馆创新服务模式构建与研究”(项目编号:25YB052)
2025年度江苏省图书馆学会课题“面向信息弱势群体的图书馆‘AI-游戏化’阅读服务创新研究”(项目编号:25YB067)
2025年度江苏省图书馆学会课题“AIGC赋能图书馆高质量发展的创新路径研究——以Deepseek为例”(项目编号:25YB060)的研究成果之一。
