基于大数据的高校图书馆阅读推荐系统设计

摘要

针对高校图书馆在数字化环境中面临用户阅读兴趣多样、资源推荐精准度不足的问题，本研究设计了一种基于大数据的阅读推荐系统，该系统架构由数据采集层、处理层、推荐模型层和应用层构成。数据采集层整合借阅历史、检索日志及在线行为等多源信息；数据处理层对数据进行清洗与归一化，构建用户画像；推荐模型层融合静态属性与动态偏好生成兴趣标签，结合协同过滤、内容推荐及深度学习模型进行推荐；应用层运用大数据技术提取特征、分析行为序列，实现用户兴趣的动态更新。对系统应用效果的性能评估表明：推荐相关性显著提升，用户满意度增强，图书馆资源利用率得到优化。该系统为高校图书馆服务创新提供可操作性的实践方案。

关键词

大数据 / 高校图书馆 / 阅读推荐系统 / 用户兴趣模型