论文总字数：32908字

摘 要

当今世界，互联网科技飞速发展，世界经济也达到了前所未有的高峰，物质生活丰富多彩，对于喜欢看书的人来说，想买一本书虽然是易如反掌，但是在茫茫书海中挑选一本自己喜欢的书谈何容易。因此大量网上书城开始着力研究一种能为网上购物者进行类似商品导购的方法，推荐系统在各大电子销售平台上应用颇多，提高推荐精度成为各大网络图书营销平台追求的重要目标之一。目前，推荐系统的主要研究方向分为两部分：信息获取方式和推荐技术。在信息获取方面，如何在海量的数据中获取大小规模适宜，使用价值较高的数据是完成推荐系统要解决的首要问题，而选择何种适合的推荐算法来完成对数据的加工并完成推荐也是推荐系统需要解决的重要问题。目前，不少网上书城都使用了基于协同过滤的推荐算法，而如何定义和计算用户的相似度选取合适的参照对象并预测用户潜在感兴趣的物品并推荐给用户是完成协调过滤推荐算法的关键。

本文准备通过对以下几个方面进行研究，解决上述问题：

第一，研究基于用户的协同过滤算法的原理和工作流程，探讨其应用于图书推荐系统的方法。探索使用协同过滤算法结合用户对书本的评分，找到相似用户的数据集。

第二，研究基于物品的协同过滤算法的原理和工作流程，在获取兴趣近似用户的条件下，计算出在相似用户所购买的图书的物品相似度，并在其范围内计算当前用户对未购买的物品的预测评分。

第三，分析及设计网上个性化书城系统，探讨系统的实现方式。探索协同过滤算法在系统应用中的工作流程，完成推荐功能模块的实现。

关键词：个性化推荐；协同过滤算法；相似度

Being bury in the concept and the way which the ItemCf works in. Under the

Research and Implementation of Personalized Book Recommendation System Based on Collaborative Filtering Technology

Abstract

At present, with the technology of the Internet processing fastly, with the world economy reached an unprecedented peak, with the material life becoming rich and colorful, for those who like reading, it is easy to buy a book, however, it is quite difficult to choose a book that we like in the vast sea. Therefore, a large number of online bookstores have begun to focus on finding a method that can provide similar way of shopping guides and solve the problem of product selection for buyers. However, the main research on recommendation systems are putting efford into two directions: methods of information acquisition and recommendation techniques. In terms of information acquisition, how to obtain large-scale data of suitable size, and high-value data is the primary problem to be solved by the recommendation system, and what kind of suitable recommendation algorithm to choose to complete the data processing and complete the recommendation is one of the important issues that the recommendation system needs to solve. At present, many online bookstores use recommendation algorithms based on collaborative filtering, but how to define and calculate the similarity of users to select appropriate reference objects and predict potential users ’interesting items and recommend them to users is the key to complete the coordinated filtering recommendation algorithm.

In response to the above problems, this article will study and solve from the following aspects:

Firstly, study the principle and workflow of user-based collaborative filtering algorithm, and discuss its application to book recommendation system. Explore the use of collaborative filtering algorithms combined with user ratings of books to find similar user data sets.

Secondly, Being bury in the concept and the way which item-based collaborative filtering algorithm works in, calculate the item similarity of books purchased by similar users under the condition of obtaining interests similar to users, and calculate the current users' unpurchased items within its range forecast score.

Thirdly, analysis the designation of the online personal book store,find the way to implement the recommendation system. Explore the workflow of collaborative filtering algorithm in system application to complete the implementation of recommended function modules.

Keywords: Personalized Recommendation; Collaborative Filtering Algorithm; Similarity

图目录

图2.1 UserCF示例 6

图2.2 ItemCF示例 6

图3.1 系统框架图 8

图3.2 推荐系统流程图 10

图3.3 E-R图 12

图4.1 获取用户-书籍-评分字典 16

图4.2 书籍推荐数据预处理 19

图4.3 分离数据集 20

图4.4 用户-书籍表示例 21

图4.5 计算书籍相似度 22

图4.6 倒排表T建立 23

图4.7 用户相似度计算 24

图4.8 书籍推荐 25

图4.9 返回推荐书籍给前端 26

图4.10 参考评论推荐 27

图4.11 test22用户购买书籍 27

图4.12 评分评论书籍 28

图4.13 计算结果 28

图4.14 推荐结果1 28

图4.15 推荐结果2 29

图4.16 参考评论推荐 29

图4.17 参考评论推荐（续） 30

图5.1 首页 31

图5.2 3D图书 31

图5.3 文学类别界面 32

图5.4 诗词类别界面 32

图5.5 全局搜索结果 33

图5.6 类别搜索结果 33

图5.7个性推荐专区 34

图5.8 书籍详情页面 34

图5.9 购物车页面 35

图5.10 评论信息 35

图5.11 购买成功页面 36

图5.12 订单查看界面 36

图5.13 评分评论页面 37

图5.14 查看用户评论 37

图5.15 后台系统 38

图5.16 书籍数据 38

图5.17 详情数据页 39

表目录

表2.1 用户-项目评分矩阵Rm×n 4

表2.1 式2.1参数说明表 5

表2.3 式2.2参数说明表 5

表3.1 用户表（user） 12

表3.2 图书表（book） 13

表3.3 类别表（category） 13

表3.4 评分评论表（comment） 13

表3.5 购物车表（cart） 14

表3.6 订单表（order） 14

表3.7 管理员日志表（admin_log） 14

表3.8 内容类型表（content_type） 14

表4.1 式4.1参数说明 17

表4.2 式4.2参数说明 18

表4.3 同现矩阵示例 21

表4.4 式4.3参数说明表 21

表4.5 用户相似度矩阵 23

表5.1 用户登录功能模块测试记录表 39

表5.2 搜索模块测试记录表 40

表5.3 图书详情查看功能模块测试记录表 40

表5.4 购物车功能模块测试记录表 40

表5.5 订单功能模块测试记录表 41

表5.6 评分评论功能模块测试记录表 41

表5.7 推荐功能模块测试记录表 42

表5.8 后台管理功能模块测试记录表 42

目录

摘要 I

Abstract II

图目录 III

表目录 V

第一章 诸论 1

1.1推荐系统简介 1

1.2 电子商务推荐系统研究现状 2

1.3 主要研究内容 3

1.4 论文章节安排 3

第二章 相关理论技术的介绍 4

2.1 协同过滤算法 4

2.1.1简介 4

2.1.2 协同过滤算法的类别 5

2.1.3分析对比 UserCF与 ItemCF 6

2.2 本章小结 7

第三章 个性化书籍推荐系统的分析与设计 8

3.1 系统功能概述 8

剩余内容已隐藏，请支付后下载全文，论文总字数：32908字