基于 SVD-LGCN 的高校智慧图书馆个性化推荐模型研究

《Scientific Reports》：Improvement of personalized recommendation service level of intelligent libraries based on artificial intelligence and big data mining technology

　　

摘要

本研究旨在提升高校智慧图书馆个性化推荐服务的水平，并解决现有模型因用户表征静态化及数据稀疏性问题导致的推荐精度不足问题。研究提出了一种融合奇异值分解++（SVD++）思想的轻量图神经网络推荐模型，即SVD++-轻量图卷积网络（SVD-LGCN）。该模型以轻量化图卷积网络（LightGCN）为基础架构，从用户-图书交互图中学习包含高阶协同信号的全局嵌入表征。此外，在预测层中，该模型创新性地引入SVD++的思想，动态聚合用户的所有历史交互行为，生成增强的用户偏好表征，从而实现用户兴趣的精细化与动态化刻画。在公开数据集Book-Crossing上的实验结果表明，所提出的模型具有优异的性能。与LightGCN基线模型相比，SVD-LGCN在衡量排序质量的核心指标NDCG@20上取得了4.1%的相对性能提升。此外，其Precision@5为0.413，Recall@50为0.589。研究结论证实，该模型兼具理论创新与实用价值，为构建高校智慧图书馆高效精准的个性化推荐系统提供了先进的技术解决方案。