基于XGBoost的圖書館混合推薦模型研究與應用

——以中國傳媒大學圖書館為例

打開文本圖片集

關鍵詞：圖書館;混合推薦;XGBoost;模型;信息推送

摘 要：隨著信息技術的發(fā)展，圖書館傳統(tǒng)的推薦方式難以滿足廣大讀者的個性化需求，單一的推薦算法在海量數(shù)據(jù)處理面前的缺陷也愈發(fā)明顯，協(xié)同過濾是解決圖書推薦問題的重要方法。文章分析了基于用戶和基于物品的兩種協(xié)調(diào)過濾算法，借助XGBoost梯度樹狀開源框架對協(xié)同過濾結果持續(xù)優(yōu)化，提出了一種融合用戶和物品的混合推薦模型，并利用中國傳媒大學圖書館的借閱數(shù)據(jù)進行了仿真實驗，與單一基于用戶的協(xié)調(diào)過濾算法對比，混合推薦模型提升了推薦的精準率、召回率和F1值，驗證了推薦模型的有效性。（剩余5807字）