技术特征：
技术总结
一种基于兴趣度模型与类型因子的高校图书推荐方法，使用K近邻算法将读者聚类，减少计算量；建立了兴趣度模型来量化协同过滤；将类型因子加入到协同过滤计算过程中，提高推荐的准确率。弥补了高校图书馆缺少读者反馈信息的缺点，并充分考虑了高校读者具有专业性和图书具有专业性的特点。实验结果表明，本发明在挖掘过程中稳定性好、准确率高，准确率优于其他的图书推荐算法，满足了高校图书馆图书推荐的需求。
技术研发人员：李伟;梁奎奎;洪之渊
受保护的技术使用者：浙江工业大学
技术研发日：2018.09.30
技术公布日：2019.03.15