智能推荐系统：

推荐系统一般会以用户的兴趣需求信息及用户的特征为模型，结合数据的特征信息，使用相应的推荐算法进行匹配、计算机筛选，把相应的信息推荐给用户；

智能推荐数据来源：

数字资源行为数据-浏览、检索、下载用户图书借阅数据

智能推荐算法：

主要依据协同过滤算法、基于内容的推荐算法、基于标签的推荐算法和基于内容流量池的叠加推荐进行了推荐；

协同过滤算法：

通过识别与“用户自画像”相似的“他人自画像”，计算两者的相似度，然后将相似高的其他用户选择内容推荐给用户，新用户首先接收到的内容推荐是来自于流量池的头部内容推荐和与用户个人信息相似度较高的人群的喜好内容，其基础是用户的媒介使用和历史消费行为，所以用户需要在平台上留有大量的行为数据。在这种分发模式中，相似主体之间可以进行经验的共享和传递，种机制能帮助图书馆有效提高新用户留存率，并能够突显其个性化和定制化的意图；

基于行为的推荐算法：

算法平台根据用户阅读的历史行为记录，对用户阅读的信息内容进行特征挖掘和意义抽取，分析用户阅读的文章以及书籍类型，打造高度精炼的用户特征标识，从而将与用户特征标识匹配相似度最高的信息推送给用户，是基于模型的(Model-based)协同过滤算法，利用用户对物品的历史交互数据，构建一个模型来进行推荐。

基于标签推荐算法：

高校学生每个人都有基本信息，比如年级、院系等等，在这里统一叫做“标签”，推荐系统利用用户对所设置的信息标签为用户提供推荐相关论文以及书籍；

标签是反映用户兴趣的重要数据源。

智能推荐展示方式：

1、PolyInfo远程访问系统主页

2、图书馆主页门户

3、对接任何其他系统