图书类别的多层表示学习

摘要：

随着学科交叉发展,传统的中图分类法存在一定的局限性.中图法是一种树状结构的分类方法,每种分类的父类有且仅有一个,而交叉学科理应有多个父类.因此,需要在分类法中引入多层表示方式,以便正确表示图书类别,提高图书借阅时书籍推荐准确率.图书借阅信息由读者的借阅序列构成,每次借阅会包含多个图书类别.这些类别可以是中图法表示的分类号,也可以是对标题词汇进行聚类得到的词汇群.文章引入一种能提供两类关联信息(借阅序列和每次借阅中并发出现的类别)的层次结构,提出可扩展的两层神经网络框架Bib2Vec,能基于图书类别和读者借阅序列,从借阅数据中学习多层的图书类别表示方式.

关键词：多层表示学习、类别嵌入、神经网络、图书推荐

所属期刊栏目：38

资助基金：福建省中青年教师教育科研项目"图书类别的多层表示推荐应用研究"JZ170332;福建省中青年教师教育科研项目"基于大数据的高校图书馆智能服务技术研究"JAT170436

在线出版日期：2018-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：129-134