CN120030153B 一种基于神经网络的跨领域书籍推荐方法及系统 （西昌学院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120030153B(45)授权公告日2025.07.11

(21)申请号202510513580.2

(22)申请日2025.04.23

(65)同一申请的已公布的文献号申请公布号CN120030153A

(43)申请公布日2025.05.23

GO6F

GO6F

GO6F

GO6N

GO6N

GO6N

16/334(2025.01)

18/2321(2023.01)

18/20(2023.01)

3/045(2023.01)

3/0442(2023.01)

3/086(2023.01)

(73)专利权人西昌学院(56)对比文件

地址615000四川省凉山彝族自治州西昌CN109492157A,2019.03.19

市安宁镇学府路1号US2024386015A1,2024.11.21

(72)发明人耿选珍韦汉群邓建平审查员廖琼霞

(74)专利代理机构深圳众邦专利代理有限公司

44545

专利代理师赵奥迪

(51)Int.CI.

GO6F16/335(2019.01)

GO6F16/355(2025.01)权利要求书4页说明书12页附图2页

(54)发明名称

一种基于神经网络的跨领域书籍推荐方法及系统

(57)摘要

CN120030153B本发明提供了一种基于神经网络的跨领域书籍推荐方法及系统，涉及书籍智能推荐技术领域，包括获取包含用户阅读历史、检索行为、研究方向及论文信息的第一信息，并将其转化为用户的初始兴趣拓扑结构和演化趋势。随后，通过马尔可夫聚类得到用户的跨领域兴趣迁移图。再将兴趣迁移图与结构化书籍文本信息输入扩展概率潜变量语义模型，获得融合用户兴趣的语义嵌入表达。通过该表达与兴趣迁移图的关联分析，计算用户与书籍间的潜在关联评分，并据此排序生成跨领域推荐列表，实现个性化、结构化的书籍推荐。本发明实现了兴趣迁移结构与语义空间的深度对齐，显著提升了跨领域推荐的准确性和实用

CN120030153B

获取第一信息，所述第一信息包括用户的阅读历史数

据、历史检索数据、研究方向标签和历史发表的论文

信息

基于第一信息转化为初始兴趣拓扑结构和用户的兴趣

演化趋势，并基于转化得到的结果进行马尔可夫聚类

处理，得到用户的跨领域兴趣迁移图

将用户的跨领域兴趣迁移图和预设的书籍文本结构化

信息输入至扩展概率潜变量语义模型进行处理，并基

于处理得到的初步的书籍主题分布进行语义嵌入，得

到融合用户兴趣的跨领域书籍的语义嵌入表达

将所述语义嵌入表达和所述用户的跨领域兴趣迁移图

进行关联分析，得到用户与书籍之间的跨领域潜在关

联评分结果

基于用户与书籍之间的跨领域潜在关联评分结果进行排序处理，并基于排序结果得到跨领域书籍推荐列表

S2

S3

S4

S5

CN120030153B权利要求书1/4页

2

1.一种基于神经网络的跨领域书籍推荐方法，其特征在于，包括：

获取第一信息，所述第一信息包括用户的阅读历史数据、历史检索数据、研究方向标签和历史发表的论文信息；

基于第一信息转化为初始兴趣拓扑结构和用户的兴趣演化趋势，并基于转化得到的结果进行马尔可夫聚类处理，得到用户的跨领域兴趣迁移图；

将用户的跨领域兴趣迁移图和预设的书籍文本结构化信息输入至扩展概率潜变量语义模型进行处理，并基于处理得到的初步的书籍主题分布进行语义嵌入，得到融合用户兴趣的跨领域书籍的语义嵌入表达，其中，扩展概率潜变量语义模型为通过书籍、章节和段落三层潜变量联合建模实现主题分布，Gibbs采样实现参数推断，利用标签信息作为先验优化主题归属，并通过上下文窗口机制约束相邻段落主题差异，生成每本书籍的多粒度主题分布的模型；

将所述语义嵌入表达和所述用户的跨领域兴趣迁移图进行关联分析，得到用户与书籍之间的跨领域潜在关联评分结果；

基于用户与书籍之间的跨领域潜在关联评分结果进行排序处理，并基于排序结果得到跨领域书籍推荐列表；

其中，基于第一信息转化为初始兴趣拓扑结构和用户的兴趣演化趋势，并基于转化得到的结果进行马