[发明专利]一种基于组合算法的个性化图书推荐方法

说明书

本发明公开一种基于组合算法的个性化图书推荐方法，涉及计算机信息领域，包括如下步骤：对图书的内容信息进行关键词提取，求得图书的特征向量；求得用户对某个新书的评分值；生成“用户行为倒排表和查询索引”和“图书行为倒排表和查询索引”；生成相似度文件和查询索引：相似用户索引和查询索引、相似图书索引和查询索引；根据相似用户索引和查询索引、相似图书索引和查询索引计算给用户的图书推荐指数。本发明解决了现有的图书推荐方法对于对用户偏好的推断存在很大的误差，无法达到良好的图书推荐的效果的问题。

技术领域

本发明涉及适用于针对用户喜好进行图书推荐的计算机信息领域，尤其涉及一种基于组合算法的个性化图书推荐方法。

背景技术

现有技术中向用户推荐电子图书的方法有多种，第一种方法是基于用户以往的阅读历史数据，推断用户的阅读偏好，再根据推断出的阅读偏好向用户推荐对应的电子图书。但在该种方法中，对于用户阅读偏好的推断存在一定不足，主要是：由于阅读平台所提供的图书的类别分布不均，且原创类图书较多，通常主要集中在言情、穿越等类别；同时由于手机阅读用户的主要用户群是学生、外来务工人员和都市白领，而这一大部分用户访问图书通常集中在言情穿越等热门分类上，造成系统在对用户偏好进行判定时大部分用户的偏好被判定为热门分类。上述这种情况对于图书推荐造成很多障碍，例如根据系统判断，许多高端商务人士可能被判定为言情或穿越类的阅读偏好，对其进行相应的图书推荐容易引起反感和用户体验下降。

第二种方法：由于仅根据历史数据推断用户的偏好会造成上述问题，因此，现有技术中出现了基于用户身份类型来推断用户的阅读偏好，进而进行相应的图书推荐的方法。但该方法存在如下不足：现有系统主要通过注册用户的年龄、性别、职业特点、产品品牌和手机类型对用户身份进行逆推，而这些基础数据信息在用户注册时由于隐私考虑和技术等种种原因导致数据存在诸多不准确的情况，从而导致用户身份类别判定的准确率非常低，进而造成对于用户偏好的推断存在很大的误差，影响了图书推荐的效果。

可以看出，现有技术中电子图书推荐系统主要是基于用户偏好来进行相应的图书推荐，具体是根据用户访问的历史数据信息或用户身份类型确定用户偏好。但对于访问阅读平台系统较少的用户，可能没有足够的历史数据信息；以及当前系统由于种种限制对于用户身份的判定缺乏可靠的基础，用户类别判定的准确率较低。因而对于用户偏好的推断存在很大的误差。

发明内容

本发明的目的在于：现有技术中存在这两个问题：(1)电子图书推荐系统主要是基于用户偏好来进行相应的图书推荐，具体是根据用户访问的历史数据信息或用户身份类型确定用户偏好，但对于访问阅读平台系统较少的用户，可能没有足够的历史数据信息；(2)以及当前系统由于种种限制对于用户身份的判定缺乏可靠的基础，用户类别判定的准确率较低，因而对于用户偏好的推断存在很大的误差；为了解决这两个问题，本发明提供一种基于组合算法的个性化图书推荐方法。

本发明的技术方案如下：

一种基于组合算法的个性化图书推荐方法，包括如下步骤：

S1：对新书的名称、介绍等内容信息进行关键词提取，进而求得图书的特征向量，用这些关键词标示该图书。

S2：根据用户浏览或下载到的图书的特征向量求得用户的特征向量，进而求得用户对某个新书的评分值。

S3：通过用户-图书实际行为数据对来统计每个用户的行为图书和每个图书的行为用户，生成“TOP N用户行为倒排表和查询索引”和“图书行为倒排表和查询索引”。

S4：根据用户的相同行为图书个数与各自行为图书个数计算两个用户之间的相似度，以及两本图书之间的相似度，生成相似度文件和查询索引：TOP N相似用户索引和查询索引、相似图书索引和查询索引。

S5：根据TOP N相似用户索引和查询索引、相似图书索引和查询索引计算给用户的图书推荐指数。

具体地，所述S1的具体步骤包括：