阅读量：

315

作者：

李越

展开

摘要：

传统的图书推荐系统仅仅关注用户的喜好,没有关注用户图书的平衡性,而且传统的推荐算法忽略了书籍与书籍之间存在的潜在关系,导致推荐书籍列表的不合理性,通过结合知识图谱相关技术改进书籍推荐系统,推荐给用户满意的书籍.图书推荐系统分析书籍与书籍之间存在的距离关系,以及用户之间的相似度,和推荐书籍类别对当前用户的互补性,进行书籍推荐系统的开发,图书推荐系统主要分为算法模型层,系统Web端,系统服务端三部分,算法模型层主要是通过知识图谱来构建书籍与书籍存在的联系,通过构建的书籍之间的知识图谱,来获取书籍之间的相似距离与类别相似度,通过基于用户的过滤推荐算法构建用户对书籍的评分信息,补全用户对未知书籍的评分信息,通过将得到的书籍类别相似度和用户评分数据通过FFM模型进行迭代处理,分析用户与用户之间,书籍与书籍之间存在的关系,来进一步分析出推荐书籍列表的综合权重,得出给用户推荐的书籍列表.系统Web端主要给用户展示流行度高的图书,强力推荐的图书,互补的图书.系统服务端主要提供书籍管理,用户管理,以及记录用户阅读行为和浏览行为等功能,代码中留出了可扩展的接口,便于将来扩展.图书推荐系统不仅解决了用户的搜索图书的问题,而且分三种推荐图书的方式推荐给用户图书,不仅节省用户的搜索书籍时间,阅读到满意的书籍,其次,推荐给用户互补的图书,让用户不仅能够阅读到喜爱的书籍,而且能够从互补书籍中得到知识的补充.

展开