书作文之基于协同过滤算法的IT书籍推荐系统设计与实现.docxVIP

基于协同过滤算法的 IT 书籍推荐系统设计与实现 摘要：随着 it 行业的飞速发展， it 从业人员也越来越多，如何在 茫茫书海中选择适合自己的 it 书籍是一个非常重要的问题。设计了 一个 it 书籍推荐系统，系统基于 b/s 模式，采用 lamp 架构体系，将 协同过滤算法加入网站系统中，以实现 it 书籍的个性化推荐。实验 结果表明，个性化书籍推荐系统能够通过用户行为挖掘用户兴趣， 从而为用户推荐适合自己的 it 书籍。关键词：协同过滤； it 书籍推荐； 个性化推荐； lamp 架构 doi 10.11907/rjdk.162819 中图分类号： tp319 a 文章编号：（2017 ）004007003 0 引言随着信息技术和互联网的发展，人们逐渐从信息匮乏的时 代进入到信息过载时代 [1] 。而个性化推荐系统是解决信息过载的一 个有效途径，推荐系统通过分析用户的历史行为给用户的兴趣建立 模型，从而主动推荐能够满足用户兴趣和需求的信息。 设计一个 it 书籍个性化推荐系统，可方便 it 从业人员的专业书籍遴选，减少不 必要的重复工作。 it 书籍推荐系统可以通过分析用户行为，发现用户 兴趣，从而实现个性化的书籍推荐。 1 个性化推荐 基于邻域的推荐 算法是业内使用最广泛的个性化推荐算法 [2] ，主要依赖某个用户的 相似用户或某物品的相似物品产生推荐。根据用户 — 物品评分矩阵， 计算用户或物品的相似度，找到最相似的 k 个邻居，计算当前用户 与未操作物品的相关度，以推荐列表形式推荐相关度最高的物品。 该类算法主要包括基于用户的协同过滤和基于物品的协同过滤两种。 在实际中，由于项目需求不同，个性化推荐模型也有一定差异，但 几乎所有推荐模型都包括用户行为搜集模块、用户日志分析模块以 及个性化推荐算法模块 [34] 。具体模型如图 1所示。 ]1.1 基于用户的 协同过滤算法 基于用户的协同过滤算法的基本思想是：兴趣相似的 用户可能会对相同物品感兴趣 [56] 。因此，当要给用户 a 个性化推荐 物品时，可以先找到与其有相似兴趣的其他用户，然后把那些其他 用户喜欢、而用户a没有听说过的物品推荐给 a。该算法的推荐过程 主要分为两步： 第一步：找到和目标用户兴趣度相似的用户集合。其中计算用 户 u 和 v 的相似度方法主要有余弦相似度（公式 1）、皮尔逊相关系 数（公式2）等[78]，ru，i为用户u对物品i的评分；u和v分别是 用户 u 和用户 v 在各自所评物品集上的均值。第二步：得到用户之 间的兴趣相似度后，找到该集合中用户喜欢，且目标用户没有听说 过的物品推荐给目标用户[9]。使用公式(3)计算用户u对物品i的 感兴趣程度[10] , s (u , k)包含和用户u兴趣最接近的k个用户， n (i)是对物品i有过行为的用户集合。]1.2基于物品的协同过滤算 法基于物品的协同过滤算法的基本思想是：通过分析用户的行为记 录，计算物品之间的相似度，物品 a和物品b具有很大相似度的原 因是因为喜欢物品 a 的用户也大都喜欢物品 b[11] 。该算法的推荐过 程也分为两步：第一步：计算物品之间的相似度。这里采用改进的 余弦相似度 [12] ：第二步：得到物品之间的相似度后，根据公式( 5) 计算用户对物品的兴趣度 [1314] 。按兴趣度从高到低排序后，取其前 n个值作为最终结果推荐给用户。〖akr-〗i表示物品i的平均分，s (i，k)表示和物品i相似的k个物品集合，n (u )表示用户u评分 过的物品。 2it 书籍推荐系统设计 ]2.1 系统总体架构 it 书籍推荐系统 主要由前台展示页面、后台数据库系统和推荐引擎三大部分组成 [15]。 其中，前台展示页面是用户与系统进行交互的接口，用户可以看到 并寻找自己感兴趣的书籍，同时系统也会自动化地给用户推荐一个 书籍列表；后台数据库系统主要用来记录用户信息、书籍信息以及 用户行为所产生的数据；推荐引擎是实现个性化推荐最重要的模块 [1617]，本系统针对新注册用户，利用热门推荐进行书籍推荐，当用 户进行评分，产生行为数据后，采用协同过滤算法来实现个性化推 荐[18]。图 2为系统的总体架构。 2.2 系统功能模块设计 对于整个 it 书籍推荐系统而言，书籍和 用户是两大主体。为实现给用户个性化推荐 it 书籍，系统主要需要 3 大模块：用户模块、书籍模块、评分模块(产生推荐)。系统功能 模块设计如图 3 所示。 用户管理模块主要实现对用户的管理，根据权限分为普通用户 和系统管理员；书籍管理模块主要实现对书籍的管理，在后台实现 书籍添加、修改信息、删除书籍，在前台实现书籍展示等功能；评 分模块是联系用户与书籍、实现书籍个性化推荐的重要模块。 ]2.3 数