[发明专利]一种面向高校图书馆的图书推荐系统设计

说明书

本发明专利涉及一种面向高校图书馆的图书推荐系统设计，本发明通过挖掘用户的背景信息构建用户特征模型，然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上，研究多种不同的图书推荐方法，以挖掘用户的潜在信息需求，利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统，同时以标准网络数据集通过实验验证来评估推荐方法的有效性。

技术领域

本发明涉及信息化领域，具体涉及一种面向高校图书馆的图书推荐系统设计。

背景技术

随着网络技术与社交媒体的发展和普及，人们逐渐从信息匮乏的状态陷入了信息过载的困境。在这个信息爆炸的环境中，图书馆的信息消费者与信息生产者都在不同程度上出现了新的挑战：对于用户而言，如何从大量的馆藏资源中找到适合自己的图书资源是一件非常困难的事情；而对于图书馆从业人员以及电子资源的信息生产者而言，如何让其所拥有的资源找到合适的用户也是一件亟待解决问题。个性化推荐系统就是解决上述两种问题的重要工具。个性化图书推荐系统的最重要任务就是将用户兴趣和图书信息关联起来，一方面帮助用户发现对自己有价值的图书资源；另一方面让图书资源最大程度地展现在有需求或有潜在需求的用户面前，从而使用户和图书馆达到双赢的状态。

发明专利内容

本发明专利涉及一种面向高校图书馆的图书推荐系统设计，本发明通过挖掘用户的背景信息构建用户特征模型，然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上，研究多种不同的图书推荐方法，以挖掘用户的潜在信息需求，利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统，同时以标准网络数据集通过实验验证来评估推荐方法的有效性。

具体实施方式

本发明专利涉及一种面向高校图书馆的图书推荐系统设计，本发明通过挖掘用户的背景信息构建用户特征模型，然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上，研究多种不同的图书推荐方法，以挖掘用户的潜在信息需求，利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统，同时以标准网络数据集通过实验验证来评估推荐方法的有效性。

进一步的，由于当前图书馆的数据基本上没有被规范处理过，也没有被评测过，所以不能利用标准的数据集来评估推荐方法的效果。本发明采用来自互联网上的MovieLens数据集和CiteULike数据集对推荐方法进行测试与评估。

进一步的，MovieLens是GroupLens项目组开发的一个基于Web的研究型推荐系统，用于接收用户对电影的评分并提供相应的电影推荐列表。该数据集中包含了943个用户对1682部电影的100 000条评分数据，其中每个用户至少对20部电影进行了评分。

进一步的，本发明以湖南某高校图书馆所提供的2010年4月至5月的39 544条借阅记录（读者ID，ISBN、借阅时间、实际归还时间等）以及437 623本图书的信息（书名、作者、出版社、出版年、ISBN、单价、索书号等）作为实验数据。

进一步的，为了增强数据的可理解性和降低系统的时间开销，有必要对实验数据进行清理和预处理使其能够满足推荐方法的数据要求，并提高其效率和性能。由于基于用户和内容的协同过滤推荐方法以及基于用户背景信息的推荐方法都是重点分析用户和图书的基本特征与行为特征，而基于标注的推荐算法则重点挖掘图书的内容信息、书评信息、购买信息以及标签记录等。为此，本发明手动编写爬虫算法从豆瓣读书网上全自动抓取了实验数据中20 574本图书的内容信息、20 055条书评信息、57 643条图书购买信息及89632条图书标签记录。

进一步的，本系统使用PHP与MYSQL实现。在PHP的应用方面采用MVC设计模式，其目的是更好地实现系统的功能。