吉林大学学报·工学版杂志投稿格式参考范文：基于兴趣信息深度融合的网络图书资源推荐

　　0 引言

　　网络资源在网络技术飞速发展的背景下呈直线上升，增大了用户查找图书资源的难度，同时增加了检索时间。为了在短时间内获取用户所需的图书资源，提出了个性化推荐算法。该算法根据用户的读书行为，为用户推荐兴趣相似度高的图书，以此实现网络图书资源的个性化推荐。

　　张金柱等将图书资源输入异构网络中，以此提取图书资源的特征，根据提取的特征建立语义向量，对向量之间的相关程度展开计算，根据计算结果实现资源推荐，该方法的资源推荐结果类别多样性较低。蒲岍岍等采用资源数据与用于历史点击资源数据对点对点模型展开训练，以此提取用户兴趣特征，将资源列表特征和用户兴趣特征输入注意力网络中，完成资源推荐，该方法推荐内容的多样性较差。

　　为了解决上述方法中存在的问题，本文提出一种基于兴趣信息深度融合的网络图书资源推荐方法。该方法先借助 K 均值聚类算法对网络用户实施聚类，通过优化聚类中心提升聚类精准度;接着，算出用户对图书资源的兴趣程度，据此明确候选推荐资源;随后构建 LSKGCN 模型，深度整合用户长短期兴趣，对图书资源进行评分，进而将高分图书资源推荐给用户。经实验验证，该方法的推荐成果具备较高的类别和内容多样性。

　　通过上述测试，验证了基于兴趣信息深度融合的网络资源推荐方法的推荐结果具有较高的类别多样性和内容多样性。本文方法在图书资源推荐之前对网络用户展开了聚类，并根据用户兴趣信息确定候选推荐资源，以此提高了资源推荐的效果。

　　4 结束语

　　目前，网络图书资源推荐方法推荐的结果存在类别多样性低和内容多样性差的问题，为此，本文首先提出基于兴趣信息深度融合的网络图书资源推荐方法，对网络用户展开聚类，在此基础上为相同的用户推荐感兴趣的信息;其次，根据用户兴趣筛选网络图书资源，确定候选推荐资源;最后，对图书资源评分，实现网络图书资源的推荐。经验证，本文方法为用户推荐的图书资源具有较高的类别多样性和内容多样性。

易晓宇;易绵竹,国防科技大学国际关系学院;河南师范大学,202412