一种基于多源数据加权特征的个性化图书推荐系统及方法

本发明属于推荐系统技术领域，用于解决传统推荐系统中数据稀疏性、冷启动及推荐精度不足的问题。该系统通过融合用户显性评分、评论情感分析及时间动态因子，构建多维加权评分模型，提升个性化推荐的精准度。本方案利用BERT模型对用户评论进行情感分类，提取隐性偏好并转化为数值化情感分值，再引入时间衰减机制，根据用户行为的时间间隔动态调整权重，区分短期兴趣与长期兴趣，最后综合显性评分、情感分值和动态时间权重，通过实验优化的权重系数进行加权融合，生成综合评分矩阵，并由此预测未评分项目偏好，生成个性化推荐列表。本发明通过多源数据融合与动态兴趣建模，显著提升推荐的时效性和个性化水平，有效缓解冷启动问题，增强用户满意度。