劉劍橋

摘要：在當今社會環(huán)境下，圖書的種類和數(shù)量急速增加，讀者想要準確、快速地找到自己感興趣的圖書越來越困難。隨著信息技術(shù)的快速發(fā)展，高校圖書館開始借助于數(shù)據(jù)挖掘技術(shù)為讀者提供更好的服務(wù)，圖書推薦系統(tǒng)應(yīng)運而生。該文將對基于協(xié)同過濾的圖書推薦系統(tǒng)構(gòu)建進行研究，主要從圖書推薦系統(tǒng)的體系結(jié)構(gòu)、功能結(jié)構(gòu)和核心的協(xié)同過濾推薦算法進行研究，為將來實際開發(fā)基于協(xié)同過濾的圖書推薦系統(tǒng)提供理論基礎(chǔ)和技術(shù)支持。

關(guān)鍵詞：圖書；數(shù)據(jù)挖掘；推薦系統(tǒng)；協(xié)同過濾

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2018）14-0186-02

Abstract： In today's social environment， the number and type of books are increasing rapidly. It is more and more difficult for readers to find the books they are interested in accurately and quickly. With the rapid development of information technology， university libraries began to use data mining technology to provide readers with better services. Book recommendation system came into being. This paper will study the construction of book recommendation system based on collaborative filtering， mainly from the architecture， function structure and collaborative filtering recommendation algorithm of the book recommendation system， and provide theoretical basis and technical support for the actual development of book recommendation system based on collaborative filtering in the future.

Key words： books； data mining； recommendation system； collaborative filtering

1 背景

在當今社會環(huán)境下，圖書的種類和數(shù)量急速增加，讀者想要準確、快速地找到自己感興趣的圖書越來越困難。讀者檢索圖書，檢索結(jié)果可能成千上萬，讀者需要花費很大的時間和精力去尋找自己想要的圖書；另外，讀者的需求也各種各樣，不同專業(yè)、不同愛好的讀者對圖書的需求不同，傳統(tǒng)的圖書檢索系統(tǒng)不能滿足讀者的個性化需求。隨著信息技術(shù)的快速發(fā)展，高校圖書館開始借助于數(shù)據(jù)挖掘技術(shù)為讀者提供更好的服務(wù)，圖書推薦系統(tǒng)應(yīng)運而生。

圖書推薦系統(tǒng)就是利用讀者信息、圖書信息和讀者的歷史借閱信息來預(yù)測讀者可能感興趣的圖書，產(chǎn)生圖書推薦結(jié)果，為讀者提供個性化的服務(wù)[1-2]。個性化推薦算法主要有協(xié)同過濾推薦算法、基于內(nèi)容的推薦算法、基于圖結(jié)構(gòu)的推薦算法和基于數(shù)據(jù)挖掘的推薦算法。協(xié)同過濾推薦算法的基本假設(shè)是：為讀者推薦感興趣的內(nèi)容可通過找到與該讀者偏好相似的其他讀者，將他們感興趣的內(nèi)容推薦給該讀者[3]。協(xié)同過濾技術(shù)是目前推薦系統(tǒng)中研究最多、應(yīng)用的最廣泛，同時也是推薦效率比較高的一種個性化推薦技術(shù)。

該文將對基于協(xié)同過濾的圖書推薦系統(tǒng)構(gòu)建進行研究，主要從圖書推薦系統(tǒng)的體系結(jié)構(gòu)、功能結(jié)構(gòu)和核心的協(xié)同過濾推薦算法進行研究，為將來實際開發(fā)基于協(xié)同過濾的圖書推薦系統(tǒng)提供理論基礎(chǔ)和技術(shù)支持。本系統(tǒng)的實施將幫助讀者提高檢索效率，快速找到自己感興趣的圖書，滿足讀者對圖書個性化的需求。

2 圖書推薦系統(tǒng)的體系結(jié)構(gòu)

基于協(xié)同過濾的圖書推薦系統(tǒng)采用多層分布式的體系結(jié)構(gòu)，如圖1所示，具體包括4個層次：表示層、Web服務(wù)層、應(yīng)用服務(wù)層、數(shù)據(jù)庫服務(wù)層[4]。

1）表示層：主要是系統(tǒng)外部人員與圖書推薦系統(tǒng)的交互界面，負責對系統(tǒng)的信息輸入、輸出和顯示。

2）Web 服務(wù)層：主要負責對圖書推薦系統(tǒng)表示層傳來的各種服務(wù)請求的處理和處理后的信息發(fā)布。

3）應(yīng)用服務(wù)層：主要負責圖書推薦系統(tǒng)中業(yè)務(wù)的事務(wù)處理和邏輯運算處理，根據(jù)具體業(yè)務(wù)提供不同的Web服務(wù)。

4）數(shù)據(jù)服務(wù)層：主要負責圖書推薦系統(tǒng)中所涉及的各種數(shù)據(jù)的存放、數(shù)據(jù)組織與數(shù)據(jù)庫的管理。

3 圖書推薦系統(tǒng)的功能結(jié)構(gòu)圖

該文設(shè)計的圖書推薦系統(tǒng)的主要功能模塊有讀者模塊和管理員模塊。讀者模塊主要包括熱門圖書排行、專業(yè)圖書推薦和個性化圖書推薦；管理員模塊主要包括讀者管理、圖書管理和通知公告管理。功能結(jié)構(gòu)圖如圖2所示。

1）熱門圖書推薦：根據(jù)圖書的借閱信息，推薦讀者借閱次數(shù)最多的圖書排行。

2）專業(yè)圖書推薦：根據(jù)讀者的專業(yè)和圖書的借閱信息，推薦讀者專業(yè)方向借閱次數(shù)最多的圖書排行。

3）個性化圖書推薦：這一部分是圖書推薦系統(tǒng)的重要核心部分，采用協(xié)同過濾推薦算法，根據(jù)圖書的借閱信息，建立讀者圖書矩陣，計算讀者的相似度，找到相似的讀者；假設(shè)相似的讀者興趣相同，生成圖書推薦結(jié)果。

4）讀者管理：增加讀者、修改讀者和刪除讀者。

5）圖書管理：增加圖書、修改圖書和刪除圖書。

6）通知公告管理：增加通知公告、修改圖書公告和刪除圖書公告。

4 基于協(xié)同過濾的圖書推薦算法

協(xié)同過濾技術(shù)是目前推薦系統(tǒng)中研究最多、應(yīng)用的最廣泛，同時也是推薦效率比較高的一種個性化推薦技術(shù)[5-6]。協(xié)同過濾技術(shù)分為基于用戶的協(xié)同過濾和基于項目的協(xié)同過濾，該文采用基于用戶的協(xié)同過濾推薦方法。該方法假設(shè)讀者可能喜歡和他具有相近愛好讀者所喜歡的圖書，該算法開始將讀者的歷史行為構(gòu)建成讀者圖書矩陣，接著選定目標讀者并計算每一位讀者和目標讀者的相似度，然后查找最近鄰居集合，當?shù)玫皆撟x者的鄰居集合后，便可進行評分預(yù)測了，選取鄰居常見的做法是選取與該讀者最相似的前 K 個用戶作為鄰居，以這些鄰居讀者的評分信息來預(yù)測目標讀者的評分情況，進而進行圖書推薦?；谧x者的協(xié)同過濾推薦的原理如圖3所示。

用戶和用戶之間的相似度計算方法常用的有余弦相似度方法、修正的余弦相似度方法和Pearson相似度方法[7-8]。該文計算讀者相似度的方法是Pearson相似度方法，計算公式如公式（1）所示。

其中，[Iij] 表示讀者i和讀者j共同評過分的項目集合，[Ri，k]表示讀者i對圖書k的評分， [Ri]和[Rj]分別表示讀者i和讀者j對圖書的平均評分。

該文采用的基于協(xié)同過濾的圖書推薦算法是：首先，讀取讀者的借閱信息，然后，建立讀者圖書矩陣，計算讀者的相似度，最后，根據(jù)相似讀者產(chǎn)生圖書推薦結(jié)果。基于協(xié)同過濾的圖書推薦算法的流程圖如圖4所示。

5 結(jié)束語

該文對基于協(xié)同過濾的圖書推薦系統(tǒng)構(gòu)建進行了研究，從系統(tǒng)的軟件體系結(jié)構(gòu)、系統(tǒng)的功能結(jié)構(gòu)和基于協(xié)同過濾的圖書推薦算法進行了具體的研究，為將來實現(xiàn)基于協(xié)同過濾的圖書推薦系統(tǒng)提供理論基礎(chǔ)和技術(shù)支持。

參考文獻：

[1] 李春秋. 個性化圖書推薦系統(tǒng)研究[J]. 河南科技， 2013（9）： 2-2.

[2] 黃曉斌， 張海娟. 國外數(shù)字圖書館推薦系統(tǒng)評述[J]. 情報理論與實踐， 2010， 33（8）： 125-128.

[3] 奉國和， 梁曉婷. 協(xié)同過濾推薦研究綜述[J]. 圖書情報工作， 2011， 55（16）： 126-130.

[4] 黃燦， 劉輝. 基于協(xié)同過濾的個性化圖書推薦系統(tǒng)研究[J]. 信息技術(shù)， 2014（7）： 25-28.

[5] 胡偉健， 滕飛， 李靈芳. 適應(yīng)用戶興趣變化的改進型協(xié)同過濾算法[J]. 計算機應(yīng)用， 2016， 36（8）： 2087-2091.

[6] 張迎峰. 面向數(shù)字圖書館的個性化推薦算法研究[D]. 合肥： 中國科學(xué)技術(shù)大學(xué)， 2011.

[7] 楊陽， 向陽， 熊磊. 基于矩陣分解與用戶近鄰模型的協(xié)同過濾推薦算法[J]. 計算機應(yīng)用， 2012， 32（2）： 395-398.

[8] 房振偉， 徐海燕， 廖真. 基于協(xié)同過濾推薦算法的圖書推薦研究[J]. 數(shù)字技術(shù)與應(yīng)用， 2017（4）： 147-147.