[发明专利]一种基于图书内容的图书推荐方法

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及到基于内容的图书推荐方法。

背景技术

近年来，随着计算机与网络技术的进步，电子商务得到了快速发展，尤其是网上图书零售发展十分迅速。网上图书零售不但能给电子商务企业带来可观的收益，更重要的是能吸引人气，带来客户流量，它已经成为大型电子商务企业的核心业务之一。

由于网上书店可以在网站上呈现比实体书店更多的内容，为了帮助客户快速找到合适的图书，同时也为了吸引客户购买更多的图书，需要采用图书推荐系统自动为客户生成图书推荐。

目前，大多数的推荐系统都是针对商品类别进行分类，然后通过协同推荐或同类商品销售排行来进行推荐。其缺点有二：第一，这些推荐系统都是针对百货商品来分类的，没有针对图书内容做优化，仅仅只能将图书照搬百货商品的做法分门别类做推荐，导致推荐效果不佳；第二，其采用的协同推荐方法对于已经形成销售规模，具备大量销售数据的网站比较适用，但是对于刚刚上线的图书网站，由于缺少交易数据，难以形成有效的推荐。另外，目前很多的推荐系统都没有反映存货情况，向用户推荐的商品最终却缺货，显然会大大降低用户体验。

发明内容

有鉴于此，一种能反映图书内容，能够结合库存信息、促销信息的图书推荐方法是十分有益的。

为了解决上述问题，本发明提供了一种基于书名、作者、内容摘要、目录等信息，并结合库存数据和促销信息的图书推荐方法，其技术方案包括：

在新加入一本图书时，首先获取其内容信息，并将这些内容存为特征向量。比如，将书名存为特征向量d_t，将作者存为特征向量d_a，将内容摘要存为特征向量d_s，将目录存为特征向量d_c。这些特征向量将进一步处理提取关键词和权重，并用于图书之间相关性计算的特征参数。

其次，针对上述4种特征向量分别进行特征词的提取和特征词的权重计算，计算结果表示为：

d＝(w₁，w₂，...，w_n)

其中，w_i代表特征词i出现的次数也即特征词i的权重；

然后，利用基于权重融合的余弦相似度函数来计算图书间的相关性，计算公式如下：

C(B_x，B_y)＝a×sim(d_t，x，d_t，y)+b×sim(d_a，x，d_a，y)

      +c×sim(d_s，x，d_s，y)+d×sim(d_c，x，d_c，y)

其中，C是图书之间的相关度，B_x B_y代表图书x和y，sim(d_x，d_y)是余弦相似度函数，a、b、c、d是不同特征向量的权重；融合图书的四种特征向量d_t、d_a、d_s、d_c得到图书间基于内容的相关系数C。

接下来，根据和不同图书之间相关系数C的大小，选取相关系数最大的N本图书，得到该图书的推荐列表L0。

最后，结合库存数据和促销信息对L0重新排序得到最终的推荐列表L。

本发明还可以通过下述方法强化推荐效果：

上述基于权重融合的余弦相似度函数用于计算图书之间相关性，其权重取值设定为a＝b＝c＝d＝25％。

上述余弦相似度函数sim(d_x，d_y)用于计算项目d_x和d_y的相关程度，其计算公式为：