一种基于用户聚类的图书推荐方法及系统技术方案

本发明专利技术公开了一种基于用户聚类的图书推荐方法及系统，其中，所述方法包括：对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型；对所述用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的隶属度；根据所述隶属度计算目标用户与所述各用户之间的相似度，获取与所述目标用户相似度较高的用户组成目标用户邻近集；根据所述目标用户邻近集的图书借阅情况向所述目标用户进行图书推荐；实施本发明专利技术实施例，通过对图书馆数据库保留的大量用户借阅记录进行分析得到用户偏好及需求快速向用户提供个性化图书推荐服务，提高了广大用户图书借阅服务的体验效果。

【技术实现步骤摘要】

本专利技术涉及自动推荐
，尤其涉及一种基于用户聚类的图书推荐方法及系统。
技术介绍
图书馆是学校的信息科研中心，是获取学习资源的重要渠道；现在各级图书馆都建立了基于网络的信息服务系统，但大部分图书馆服务系统只是提供了一些简单的查询功能，如查阅图书馆的图书信息和用户个人信息等，不能有效针对用户偏好和特定需求提供个性化信息服务；构建有效的个性化信息服务系统，是目前图书馆领域中一项非常有意义的研究内容现有的图书馆信息管理系统或图书推荐系统不能据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐；用户无法快速的获取到图书馆中自己有可能喜欢的图书类目和图书名称，增加用户在图书借阅上的时间花费，给用户带来极不好的体验。
技术实现思路
本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种基于用户聚类的图书推荐方法及系统，通过对图书馆数据库保留的大量用户借阅记录进行分析得到用户偏好及需求快速向用户提供个性化图书推荐服务，提高了广大用户图书借阅服务的体验效果。为了解决上述技术问题，本专利技术提出了一种基于用户聚类的图书推荐方法，所述方法包括：对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型；对所述用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的隶属度；根据所述隶属度计算目标用户与所述各用户之间的相似度，获取与所述目标用户相似度较高的用户组成目标用户邻近集；根据所述目标用户邻近集的图书借阅情况向所述目标用户进行图书推荐。优选地，所述对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型，包括：对图书馆数据库进行数据爬虫处理，获取用户在所述图书馆的借阅记录；对所述借阅记录进行无效借阅记录剔除处理，获取用户有效借阅记录；对所述用户有效借阅记录进行归一化处理，获取归一化处理结果；根据所述归一化处理结果进行用户模型构建处理，获取所述用户模型。优选地，所述对所述用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的隶属度，包括：根据所述用户模型确定模糊聚类的聚类用户数目；根据所述用户数目进行模糊聚类，确定用户的聚类中心，获取所述聚类中心周围聚集的用户；采用用户隶属矩阵对所述聚类中心周围聚集的用户进行处理，获取各用户在聚类中心的隶属度。优选地，所述根据所述隶属度计算目标用户与所述各用户之间的相似度，获取与所述目标用户相似度较高的用户组成目标用户邻近集，包括：计算目标用户与所述各用户之间的相似度，获取计算结果；根据所述计算结果对用户相似度进行排序，获取排序结果；根据所述排序结果选择与所述目标用户相似度较高的用户组成目标用户邻近集。优选地，所述根据所述目标用户邻近集的图书借阅情况向所述目标用户进行图书推荐，包括：通过分析所述目标用户邻居集的图书借阅所属分类，获取所述目标用户感兴趣的图书类别；获取所述图书类别中的经典图书及新上架图书，将所述经典图书及所述新上架图书推荐给所述目标用户。相应地，本专利技术还提供了一种基于用户聚类的图书推荐系统，所述系统包括：预处理模块：用于对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型；聚类模块：用于对所述用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的隶属度；信息获取模块：用于根据所述隶属度计算目标用户与所述各用户之间的相似度，获取与所述目标用户相似度较高的用户组成目标用户邻近集；推荐模块：用于根据所述目标用户邻近集的图书借阅情况向所述目标用户进行图书推荐。优选地，所述预处理模块包括：信息提取单元：用于对图书馆数据库进行数据爬虫处理，获取用户在所述图书馆的借阅记录；过滤单元：用于对所述借阅记录进行无效借阅记录剔除处理，获取用户有效借阅记录；归一化单元：用于对所述用户有效借阅记录进行归一化处理，获取归一化处理结果；模型建立单元：用于根据所述归一化处理结果进行用户模型构建处理，获取所述用户模型。优选地，所述聚类模块包括：数据确定单元：用于根据所述用户模型确定模糊聚类的聚类用户数目；聚类单元：用于根据所述用户数目进行模糊聚类，确定用户的聚类中心，获取所述聚类中心周围聚集的用户；隶属处理单元：用于采用用户隶属矩阵对所述聚类中心周围聚集的用户进行处理，获取各用户在聚类中心的隶属度。优选地，所述信息获取模块包括：计算单元：用于计算目标用户与所述各用户之间的相似度，获取计算结果；排序单元：用于根据所述计算结果对用户相似度进行排序，获取排序结果；信息获取单元：用于根据所述排序结果选择与所述目标用户相似度较高的用户组成目标用户邻近集。优选地，所述推荐模块包括：分类单元：用于通过分析所述目标用户邻居集的图书借阅所属分类，获取所述目标用户感兴趣的图书类别；推荐单元：用于获取所述图书类别中的经典图书及新上架图书，将所述经典图书及所述新上架图书推荐给所述目标用户。在本专利技术实施过程中，通过对图书馆数据库保留的大量用户借阅记录进行分析得到用户偏好及需求快速向用户提供个性化图书推荐服务，提高了广大用户图书借阅服务的体验效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术实施例的基于用户聚类的图书推荐方法的流程示意图；图2是本专利技术实施例的预处理步骤的流程示意图；图3是本专利技术实施例的基于用户聚类的图书推荐系统的结构组成示意图；图4是本专利技术实施例的预处理模块的结构组成示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是本专利技术实施例的基于用户聚类的图书推荐方法的流程示意图，如图1所示，该方法包括：S11：对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型；S12：对该用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的本文档来自技高网...

【技术保护点】
一种基于用户聚类的图书推荐方法，其特征在于，所述方法包括：对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型；对所述用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的隶属度；根据所述隶属度计算目标用户与所述各用户之间的相似度，获取与所述目标用户相似度较高的用户组成目标用户邻近集；根据所述目标用户邻近集的图书借阅情况向所述目标用户进行图书推荐。

【技术特征摘要】
1.一种基于用户聚类的图书推荐方法，其特征在于，所述方法包括：
对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型；
对所述用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的隶属
度；
根据所述隶属度计算目标用户与所述各用户之间的相似度，获取与所述目标用户相似
度较高的用户组成目标用户邻近集；
根据所述目标用户邻近集的图书借阅情况向所述目标用户进行图书推荐。
2.根据权利要求1所述的图书推荐方法，其特征在于，所述对图书馆数据库中用户的借
阅记录进行预处理，根据预处理结果构建用户模型，包括：
对图书馆数据库进行数据爬虫处理，获取用户在所述图书馆的借阅记录；
对所述借阅记录进行无效借阅记录剔除处理，获取用户有效借阅记录；
对所述用户有效借阅记录进行归一化处理，获取归一化处理结果；
根据所述归一化处理结果进行用户模型构建处理，获取所述用户模型。
3.根据权利要求1所述的图书推荐方法，其特征在于，所述对所述用户模型进行模糊聚
类处理，获取用户聚类中心以及各用户在聚类中的隶属度，包括：
根据所述用户模型确定模糊聚类的聚类用户数目；
根据所述用户数目进行模糊聚类，确定用户的聚类中心，获取所述聚类中心周围聚集
的用户；
采用用户隶属矩阵对所述聚类中心周围聚集的用户进行处理，获取各用户在聚类中心
的隶属度。
4.根据权利要求1所述的图书推荐方法，其特征在于，所述根据所述隶属度计算目标用
户与所述各用户之间的相似度，获取与所述目标用户相似度较高的用户组成目标用户邻近
集，包括：
计算目标用户与所述各用户之间的相似度，获取计算结果；
根据所述计算结果对用户相似度进行排序，获取排序结果；
根据所述排序结果选择与所述目标用户相似度较高的用户组成目标用户邻近集。
5.根据权利要求1所述的图书推荐方法，其特征在于，所述根据所述目标用户邻近集的
图书借阅情况向所述目标用户进行图书推荐，包括：
通过分析所述目标用户邻居集的图书借阅所属分类，获取所述目标用户感兴趣的图书
类别；
获取所述图书类别中的经典图书及新上架图书，将所述经典图书及所述新上架图书推
荐给所述目标用...

【专利技术属性】
技术研发人员：邓现，陈湘萍，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44