图书馆中的推荐系统：一个基于异构数据源的应用
信息检索
2023-03-22 v1 计算机与社会
机器学习
摘要
Reading&Machine项目利用数字化手段提升图书馆吸引力并改善用户体验。该项目实现了一款应用，帮助用户进行决策，提供由推荐系统（RecSys）生成的用户可能感兴趣的书籍列表，并通过基于交互式虚拟现实（VR）的图形用户界面（GUI）展示。本文聚焦于该推荐系统的设计与测试，采用了来自意大利都灵图书馆网络过去9年所有用户借阅数据。此外，我们使用了Anobii在线读者社交社区收集的数据，该社区读者分享其反馈及所读图书的额外信息。借助这些异构数据，我们构建并评估了基于内容（CB）与协同过滤（CF）方法。结果表明CF优于CB方法，将提供给读者的相关推荐最多提升47\%。然而，CB方法的性能严重依赖于读者已读图书数量，对于具有大量阅读历史的用户其表现甚至可优于CF。最后，我们的评估强调，若系统整合并利用Anobii数据集的信息，两种方法的性能均显著提升，这使得我们可纳入更多用户阅读记录（用于CF）和更丰富的图书元数据（用于CB）。
引用
@article{arxiv.2303.11746,
title = {Recommendation Systems in Libraries: an Application with Heterogeneous Data Sources},
author = {Alessandro Speciale and Greta Vallero and Luca Vassio and Marco Mellia},
journal= {arXiv preprint arXiv:2303.11746},
year = {2023}
}
备注
Accepted at 7th International workshop on Data Analytics solutions for Real-LIfe APplications - 28th March-31st March, 2023, Ioannina, Greece. The paper will be published in the Proceedings of EDBT/ICDT 2023 Joint Conference