基于协同过滤推荐算法的图书推荐研究

论文总字数：19214字

目 录

1 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 1

2 协同过滤推荐算法 1

2.1协同推荐算法的原理 1

2.2基于用户的协同过滤算法 2

2.3 基于物品的协同过滤算法 2

2.4 基于模型的协同过滤算法 3

2.5 协同过滤算法的不足 3

2.5.1 稀疏性问题 3

2.5.2推荐多样性问题 3

2.5.3 可扩展性问题 3

2.5.4 冷启动问题 4

3 实现算法的平台和工具 4

3.1开发平台JAVA 4

3.2开发工具Eclipse 4

4 基于协同过滤的图书推荐算法及设计 4

4.1 研究图书推荐算法的必要性 5

4.2 系统结构设计 5

4.3 数据集的慨念 5

4.4 数据集预处理 6

4.5 协同过滤推荐算法的实现原理 8

4.5.1 建立用户借阅记录矩阵 9

4.5.2 相似度的计算 10

4.5.3 预测兴趣度计算 11

4.5.4 冷启动问题的解决 12

5 协同过滤推荐算法的实现过程 13

5.1 用户借阅记录数据集 13

5.2 开始推荐 14

5.3 推荐图书界面 15

5.4 算法优化 17

5.5 主要代码 20

6 推荐算法质量的实验分析 24

6.1 推荐结果的分析 24

6.2 算法优化 24

6.3 有待解决的问题 24

7 总结 24

7.1 本算法与传统协同过滤算法的比较 24

7.2 本文关于冷启动问题的解决方案与传统解决方案的比较 24

7.3 结论 25

参考文献 26

致 谢 27

基于协同过滤推荐算法的图书推荐研究

卢思旭

, China

Abstract:With the development of society, there are more and more books in the library. It is difficult for people to choose a large number of books and documents. However, the traditional book retrieval technology can not provide readers with active and personalized retrieval results. Therefore, we need to create an intelligent recommendation system to recommend the books they may need to users, so as to improve the efficiency of users to find the required books, and help readers find useful information in the vast amount of books and literature resources. The core of this intelligent recommendation system is recommendation algorithm. The book recommendation algorithm based on collaborative filtering can solve this problem, establish a personalized book recommendation system, dig out the books of interest to readers, and provide convenience for readers.
Personalized book recommendation will bring a lot of convenience to readers. the goal of personalized book recommendation algorithm is to recommend books to target users and provide similar books to target users according to users with the same preferences, so as to improve the efficiency of users to find the required books.

Keywords:collaborative filtering , recommended system, data mining, library

1 绪论

• 1. 研究背景及意义

随着网络的不断发展，网络资源越来越丰富，网络上的信息数量也越来越多^[1]。用户想要在大量的信息中找出自己真正想要的信息将会变得十分困难，我们生活中信息过载的现象就会因此而大量呈现出来^[1]。个性化的推荐再以成为了网络上销售的重要方式，各种网络平台和商务类网站都在利用这种方式，并获得了不少的利益。协同过滤推荐算法在推荐系统领域中的使用比较多且越来越受关注，是互联网上的电子商务网站使用比较广泛的一种技术，其主要目的是根据用户兴趣向该用户推荐其可能感兴趣的商品或物品以此来增加销售额。将协同过滤推荐算法运用图书馆的图书推荐中就可以有效提高读者查阅到有用书籍的效率，为读者提供可能感兴趣，可能需要的书籍，帮助读者更有效的使用图书馆的图书，同时也可提高图书馆资源的利用率让图书馆更加人性化。一般的协同过滤算法存在严重影响算法稳定性的问题，如冷启动问题，这是推荐算法中必然存在的问题，冷启动问题的解决将有助于提高该算法的稳定性，本文将采用给没有借阅记录的新用户进行分类的方法，解决协同过滤算法的冷启动问题，从而实现算法的优化。

• 1. 国内外研究现状

由于网络的普及推动了网络商务的前进，推荐系统也慢慢成为网络商务领域的一个备受关注的主题，受到了很多的研究人员和专家的研究。

国外在这方面的研究起步较早。20世纪90年代年Resnickamp;Varian给出了电子商务推荐系统的正式定义^[2]。从20世纪末开始，计算机协会,简称ACM就每年召开研讨会来讨论电子商务推荐系统的有关问题^[2]；该协同旗下的数据挖掘特别兴趣的小组以及兴趣检测小组也都在第24届研究发展会议上，直接把推荐系统作为一个重点研究内容。同时，很多科技，商务以及知识领域的大会也在研讨如何推进推荐技术在电子商务的发展。

剩余内容已隐藏，请支付后下载全文，论文总字数：19214字