期刊论文

中文

武汉工程大学学报

1674-2869

2023

45

03

319-324

10.19843/j.cnki.CN42-1779/TQ.202303025

61906140:国家自然科学基金 2020CFA063:湖北省自然科学基金***项目 2020GJKT013:武汉轻工大学高等教育研究一般项目

本校为第一机构

为了充分利用图书丰富的文本信息，更准确地表达图书属性，为读者提供更精准的图书推荐服务，提出了一种基于图书语义特征的深度学习推荐模型。该模型将预训练模型（BERT）与文本卷积神经网络（TextCNN）相结合提取图书语义特征。首先利用BERT网络对图书书名、内容摘要等图书文本信息生成向量表示；然后将获得的字向量通过TextCNN模型抽取文本局部特征，再与句向量一起输入神经网络进行训练，得到图书向量；最后将提取的图书特征与读者年龄、性别、专业等人口属性特征拼接后输入多层神经网络进行模型训练，获得预测结果。实验结果表明：所提出的模型对比其他模型推荐效果有较大提升。

To provide readers with more accurate book recommendation services,the paper proposes a recommendation model based on book semantic features(deep semantics mining for book recommendation)for making full use of the rich text information of books to express the book attri...MORE To provide readers with more accurate book recommendation services,the paper proposes a recommendation model based on book semantic features(deep semantics mining for book recommendation)for making full use of the rich text information of books to express the book attributes more accurately.This model combines bidirectio...