一种基于神经网络的跨领域书籍推荐方法及系统

本发明提供了一种基于神经网络的跨领域书籍推荐方法及系统，涉及书籍智能推荐技术领域，包括获取包含用户阅读历史、检索行为、研究方向及论文信息的第一信息，并将其转化为用户的初始兴趣拓扑结构和演化趋势。随后，通过马尔可夫聚类得到用户的跨领域兴趣迁移图。再将兴趣迁移图与结构化书籍文本信息输入扩展概率潜变量语义模型，获得融合用户兴趣的语义嵌入表达。通过该表达与兴趣迁移图的关联分析，计算用户与书籍间的潜在关联评分，并据此排序生成跨领域推荐列表，实现个性化、结构化的书籍推荐。本发明实现了兴趣迁移结构与语义空间的深度对齐，显著提升了跨领域推荐的准确性和实用性。