[发明专利]一种基于Apriori算法的图书推荐方法和系统

说明书

本发明公开了一种基于Apriori算法的图书推荐方法，包括如下步骤：获取数据库中的图书借阅历史数据，并将其存入分布式文件系统中；基于Apriori算法对分布式文件系统中的图书借阅历史数据进行关联规则挖掘，得到具体的强关联规则；将获得的所述强关联规则存储到数据存储平台；将存储在数据存储平台中的强关联规则转化为用户界面形式。本发明根据用户的图书借阅历史数据，分析用户借阅图书之间的关联性，进而为用户推荐相似特征的图书，有效提高了图书推荐的准确率。

技术领域

本发明涉及大数据分布式处理和数据挖掘领域，具体是涉及一种基于Apriori算法的图书推荐方法和系统。

背景技术

随着社会信息化程度的不断增强，高校图书馆趋于数字化，所产生的数据呈现爆炸式增长。虽然现有图书馆图书管理技术在一定程度上缓解了这一问题，但对这些海量的用户借阅图书数据的有效处理以及为用户提供良好的搜索推荐服务方面，仍然存在着严重的不足。如何能够为读者及时准确的推荐相关书籍，减少读者对图书检索的复杂程序，高效准确的图书推荐系统应运而生。

目前，高校图书推荐系统大多采用协同过滤算法，通过寻找最近邻，进行图书推荐，该算法会存在诸如可拓展性差等问题。

鉴于此，确有必要对现有图书推荐方法和图书推荐系统进行改进，以解决上述问题。

发明内容

本发明的目的在于提供一种基于Apriori算法的图书推荐方法。

为了实现上述目的，本发明采用如下技术方案：一种基于Apriori算法的图书推荐方法，包括如下步骤：

步骤1：获取数据库中的图书借阅历史数据，并将其存入分布式文件系统中；

步骤2：基于Apriori算法对分布式文件系统中的图书借阅历史数据进行关联规则挖掘，得到具体的强关联规则；

步骤3：将步骤2中获得的强关联规则存储到数据存储平台；

步骤4：将存储在数据存储平台中的强关联规则转化为用户界面形式。

作为本发明进一步改进的技术方案，所述Apriori算法为基于分布式计算框架并在归约阶段设置多个归约程序来进行计算的Apriori算法。

作为本发明进一步改进的技术方案，所述数据存储平台为HBase数据库。

本发明的目的还在于提供一种基于Apriori算法的图书推荐系统。

为了实现上述目的，本发明采用如下技术方案：一种基于Apriori算法的图书推荐系统，包括图书借阅历史数据模块、数据预处理模块、关联规则挖掘模块和图书推荐模块；

所述图书借阅历史数据模块用于存储用户的图书借阅历史数据；

所述数据预处理模块用于对用户的图书借阅历史数据进行数据清洗和数据格式转化；

所述关联规则挖掘模块基于Apriori算法对用户图书借阅历史数据进行关联规则挖掘，并得到强关联规则；

所述图书推荐模块用于与所述关联规则挖掘模块进行交互，将所述强关联规则转换为用户界面形式。

作为本发明进一步改进的技术方案，所述数据预处理模块与数据库交互，用于对用户的图书借阅历史数据进行数据清洗，并将用户的图书借阅历史数据转化为适合进行关联规则挖掘的数据格式。

作为本发明进一步改进的技术方案，所述关联规则挖掘模块由剪枝模块、分布式计算模块和分布式存储模块构成。

作为本发明进一步改进的技术方案，所述剪枝模块用于对算法迭代的数据集范围进行剪枝。