论文部分内容阅读
随着互联网的高速发展,海量的数据带来的信息爆炸问题亟待解决,人们每天都面对着如何从百万千万及更高量级的数据流中选取需要的信息的问题,也因此推荐系统应运而生。对于视障用户,因为视觉能力上存在缺陷,无法或者难以通过正常的视觉途径获得信息而只能依托于触觉、听觉等其他感官,普通的阅读手段无法满足他们对于知识获取的需求。市面上的图书推荐系统算法都是针对健全人的阅读习惯进行推荐的,对视障人群来说并不适用,因此需要针对视障人群研究符合他们行为习惯的盲文图书推荐系统算法。首先,为了向视障用户提供准确有效的感兴趣的目标图书集,本文提出了基于融合偏好的推荐算法。为了预测视障人群在选择图书时的偏好,本文探究了视障用户基于行为的兴趣和基于内容的兴趣,并融合了两种兴趣偏好从而更准确的召回用户可能想要阅读的图书。在计算兴趣偏好时,本文改进了现有的内容相似度计算方法,利用图书文本特征和用户行为构建用户融合偏好,在稀疏数据集上实现了用户个性化图书推荐列表的生成。通过该算法,解决了视障用户数据少带来的推荐量不足的问题,并能有效提高推荐用户感兴趣的盲文图书的准确率。其次,为了对目标图书集进行智能化排序以方便视障用户顺序浏览时快速找到感兴趣的图书,本文提出了基于用户注意力的上下文感知推荐算法,用于对图书集进行评分预测。本文引入改进的注意力机制来建模用户的当前偏好,并通过对特征空间融合提高推荐的准确率。通过该算法,适应了在视障用户浏览图书时的顺序浏览方式,有效辅助了视障用户快速找到感兴趣图书。最后,在实验部分中为了充分贴合视障人群的使用特征,本文收集并分析了盲文图书馆上的真实阅读数据集,对本文提出的推荐算法和其基线算法进行了对比试验。通过实验的对比结果,证明了本文提出的推荐算法贴合了视障用户使用习惯,并证明了改进的有效性。