协同过滤算法的图书推荐系统【字数：11129】
摘 要社会的发展促使着各个领域的信息不断增多，而互联网与信息技术的出现又将这些信息聚集于网络中，形成海啸般的巨大信息流，冲击着人们的视觉。人们从信息匮乏的时代迈进了信息过载的时代。针对信息过载这一现象，个性化推荐系统顺势而生。本文正是实现一个基于用户协同过滤算法的图书推荐系统，旨在帮助用户能够找到有潜在兴趣的书籍，为每个用户定制独一无二的推荐方案；同时也让部分长尾图书能够体现出自身的价值，获得更多用户的关注。基于用户的协同过滤算法利用用户对物品的行为记录去计算用户间的相似度。在本文设计的系统中，通过分析用户对图书的评价打分行为去计算出用户之间的相似度，得到用户-图书的兴趣矩阵，最终完成了对用户的个性化推荐。但系统也存在一定缺陷，首先基于用户的协同过滤推荐算法具有用户冷启动问题，因此对于新用户，我采用了热门推荐代替个性化推荐，可这并没有从根本上解决冷启动问题。此外，由于图书数据量太少，数据的稀疏性问题也对算法的最终结果产生了影响。Ⅰ
目 录
ABSTRACTⅡ
1. 绪论1
1.1 课题研究背景及意义1
1.1.1 研究背景1
1.1.2 研究意义1
1.2 国内外研究现状1
1.2.1国外研究现状1
1.2.2 国内研究现状1
1.3 课题研究内容及论文组织结构2
1.3.1 课题研究内容2
1.3.2 论文组织结构2
2. 推荐系统及算法介绍3
2.1 推荐系统概述3
2.2 推荐算法介绍3
2.2.1 基于用户的协同过滤算法3
2.2.2 基于物品的协同过滤算法6
2.2.3 基于物品的协同过滤算法与基于用户的协同过滤算法的综合比较7
2.3 本章小结7
3. 图书推荐系统需求分析8
3.1 系统必要性分析8
3.2 系统可行性分析8
3.3 系统需求简述9
3.3.1 功能性需求9
3.3.2 非功能性需求10
3.4 系统用途10
3.5 开发环境10
*好棒文|www.hbsrm.com +Q: ^351916072*
3.6 本章小结10
4. 图书推荐系统详细设计11
4.1 系统架构11
4.2 功能模块12
4.2.1 热门推荐12
4.2.2 图书类别12
4.2.3 图书详情12
4.2.4 浏览记录12
4.2.5 借阅记录12
4.2.6 个性化推荐12
4.3 数据库设计13
4.3.1 ER图设计13
4.3.2 数据库表设计16
4.4 图书推荐系统后台实现19
4.5 图书推荐系统网站实现22
4.6 本章小结26
5. 总结27
参考文献28
致谢29
1. 绪论
1.1 课题研究背景与意义
1.1.1 研究背景
互联网的诞生和飞速发展将各个领域的信息聚集于网络中，解决了用户随时随地都能获取信息的需求。正是由于信息技术的不断发展，以致于网络上的信息量呈现出了爆炸式增长[1]，用户虽身处在这巨大的信息流中，但却无法快速从中获得对自己真正有用的信息，即出现了所谓的信息过载问题[2]。该问题使得信息消费者无法快速精确的找到需要的信息，而信息生产者则无法充分发掘出信息的价值。为了解决这一问题，个性化的推荐系统[3]便顺势而生了。
1.1.2 研究意义
如今，人们在网络中寻找图书资料已不是难事，但要从中找到感兴趣的，则往往需要用户主动去辨别，这会极大的费时费力，最终消耗掉用户的热情。
基于协同过滤算法，本文拟开发一个图书推荐系统，主要任务任务是过滤掉用户不喜欢的图书，提炼出有价值的图书信息展现在用户眼前,节省用户的查找时间以提高用户阅读效率。该系统一方面协助用户快速获取到感兴趣的图书；另一方面也能让长尾图书发挥出价值，获得更多关注，实现用户和图书之间的双赢。
1.2 国内外研究现状
1.2.1 国外研究现状
国外提出个性化推荐系统这一概念的时间比较早，技术相对成熟[4]。1992年，Tapestry[5]邮件系统被Goldberg等人成功研发,其中首次提出了协同过滤的思想。1994年，GroupLens[6]被研发了出来，目的是对用户推荐符合其需求爱好的新闻文章。1995年3月的美国人工智能协会上，卡内基梅隆大学和斯坦福大学分别提出了个性化推荐系统 Web Watcher 和 LIRA[7]。1997 年 ,推荐系统这一名词正式被Resnick 等人[8]提出。如今，非常有名的Fab推荐系统是由斯坦福大学研发，采用混合式推荐，而德国卡尔斯鲁大学则基于重复购买理论[9]开发出了Big Tip图书推荐系统，外界只需调用其接口便能享受图书推荐服务。此外，Google的搜索业务和广告业务也都运用了推荐算法，可以为每个用户定制独一无二的推荐结果。
1.2.2 国内研究现状
相比国外，国内关于推荐系统的理论知识储备不多，应用领域也是少之又少，但经过多年的努力，如今在推荐系统的理论和技术方面也已经取得了长足的进步，同时也对冷启动问题[10]和数据稀疏问题[11]进行了深入的研究。此外，在互联网服务方面，国内也已出现了很多成型的个性化推荐系统，并且在不断改善，例如淘宝,京东的猜你喜欢模块。
1.3 课题研究内容及论文组织结构
1.3.1 课题研究内容
(1)介绍推荐算法的基本原理，并重点介绍基于物品和基于用户这两种不同的协同过滤推荐算法以及剖析各自的优缺点。
(2)编码实现图书推荐系统，该系统的框架图如图 1.1 所示。
1.3.2 论文组织结构
论文共分为五部分: 第一部分为绪论，首先从背景和意义两个角度解释了为什么要研究推荐系统这个课题，接着对国内外的研究现状进行了简要的概括，最后简述了本文的研究内容和组织结构。第二部分是关于推荐系统和推荐算法的理论讲解，解释何为推荐系统，重点讲解协同过滤推荐算法的基本原理，并分析比较了不同推荐算法之间的优缺点。第三部分为系统需求分析，将现实世界的需求抽象为逻辑模型。第四部分为系统详细设计，主要叙述系统各个功能模块具体实现的过程。第五部分对全文进行总结概括。
目 录
ABSTRACTⅡ
1. 绪论1
1.1 课题研究背景及意义1
1.1.1 研究背景1
1.1.2 研究意义1
1.2 国内外研究现状1
1.2.1国外研究现状1
1.2.2 国内研究现状1
1.3 课题研究内容及论文组织结构2
1.3.1 课题研究内容2
1.3.2 论文组织结构2
2. 推荐系统及算法介绍3
2.1 推荐系统概述3
2.2 推荐算法介绍3
2.2.1 基于用户的协同过滤算法3
2.2.2 基于物品的协同过滤算法6
2.2.3 基于物品的协同过滤算法与基于用户的协同过滤算法的综合比较7
2.3 本章小结7
3. 图书推荐系统需求分析8
3.1 系统必要性分析8
3.2 系统可行性分析8
3.3 系统需求简述9
3.3.1 功能性需求9
3.3.2 非功能性需求10
3.4 系统用途10
3.5 开发环境10
*好棒文|www.hbsrm.com +Q: ^351916072*
3.6 本章小结10
4. 图书推荐系统详细设计11
4.1 系统架构11
4.2 功能模块12
4.2.1 热门推荐12
4.2.2 图书类别12
4.2.3 图书详情12
4.2.4 浏览记录12
4.2.5 借阅记录12
4.2.6 个性化推荐12
4.3 数据库设计13
4.3.1 ER图设计13
4.3.2 数据库表设计16
4.4 图书推荐系统后台实现19
4.5 图书推荐系统网站实现22
4.6 本章小结26
5. 总结27
参考文献28
致谢29
1. 绪论
1.1 课题研究背景与意义
1.1.1 研究背景
互联网的诞生和飞速发展将各个领域的信息聚集于网络中，解决了用户随时随地都能获取信息的需求。正是由于信息技术的不断发展，以致于网络上的信息量呈现出了爆炸式增长[1]，用户虽身处在这巨大的信息流中，但却无法快速从中获得对自己真正有用的信息，即出现了所谓的信息过载问题[2]。该问题使得信息消费者无法快速精确的找到需要的信息，而信息生产者则无法充分发掘出信息的价值。为了解决这一问题，个性化的推荐系统[3]便顺势而生了。
1.1.2 研究意义
如今，人们在网络中寻找图书资料已不是难事，但要从中找到感兴趣的，则往往需要用户主动去辨别，这会极大的费时费力，最终消耗掉用户的热情。
基于协同过滤算法，本文拟开发一个图书推荐系统，主要任务任务是过滤掉用户不喜欢的图书，提炼出有价值的图书信息展现在用户眼前,节省用户的查找时间以提高用户阅读效率。该系统一方面协助用户快速获取到感兴趣的图书；另一方面也能让长尾图书发挥出价值，获得更多关注，实现用户和图书之间的双赢。
1.2 国内外研究现状
1.2.1 国外研究现状
国外提出个性化推荐系统这一概念的时间比较早，技术相对成熟[4]。1992年，Tapestry[5]邮件系统被Goldberg等人成功研发,其中首次提出了协同过滤的思想。1994年，GroupLens[6]被研发了出来，目的是对用户推荐符合其需求爱好的新闻文章。1995年3月的美国人工智能协会上，卡内基梅隆大学和斯坦福大学分别提出了个性化推荐系统 Web Watcher 和 LIRA[7]。1997 年 ,推荐系统这一名词正式被Resnick 等人[8]提出。如今，非常有名的Fab推荐系统是由斯坦福大学研发，采用混合式推荐，而德国卡尔斯鲁大学则基于重复购买理论[9]开发出了Big Tip图书推荐系统，外界只需调用其接口便能享受图书推荐服务。此外，Google的搜索业务和广告业务也都运用了推荐算法，可以为每个用户定制独一无二的推荐结果。
1.2.2 国内研究现状
相比国外，国内关于推荐系统的理论知识储备不多，应用领域也是少之又少，但经过多年的努力，如今在推荐系统的理论和技术方面也已经取得了长足的进步，同时也对冷启动问题[10]和数据稀疏问题[11]进行了深入的研究。此外，在互联网服务方面，国内也已出现了很多成型的个性化推荐系统，并且在不断改善，例如淘宝,京东的猜你喜欢模块。
1.3 课题研究内容及论文组织结构
1.3.1 课题研究内容
(1)介绍推荐算法的基本原理，并重点介绍基于物品和基于用户这两种不同的协同过滤推荐算法以及剖析各自的优缺点。
(2)编码实现图书推荐系统，该系统的框架图如图 1.1 所示。
1.3.2 论文组织结构
论文共分为五部分: 第一部分为绪论，首先从背景和意义两个角度解释了为什么要研究推荐系统这个课题，接着对国内外的研究现状进行了简要的概括，最后简述了本文的研究内容和组织结构。第二部分是关于推荐系统和推荐算法的理论讲解，解释何为推荐系统，重点讲解协同过滤推荐算法的基本原理，并分析比较了不同推荐算法之间的优缺点。第三部分为系统需求分析，将现实世界的需求抽象为逻辑模型。第四部分为系统详细设计，主要叙述系统各个功能模块具体实现的过程。第五部分对全文进行总结概括。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/657.html
