一种根据图书馆用户习惯的实时图书推荐方法技术

本发明专利技术涉及一种根据图书馆用户习惯的实时图书推荐方法，属于信息推荐技术领域。本发明专利技术根据协同过滤算法计算特定用户与其它用户之间的相似度度量系数；将相似度度量系数与阈值进行比较，得到特定用户的邻居用户；根据邻居用户的借书数据确定特定用户的推荐图书；针对特定用户的所有推荐图书进行权重计算；针对所有推荐图书的推荐权重按照从大到小的顺序进行推荐。本发明专利技术可以实时的为用户提供图书推荐信息，运用协同过滤算法选择用户的邻居用户，并通过阈值调节邻居用户的数量，充分考虑了用户之间的差异性的问题；通过对邻居用户的历史数据和图书数据库信息的计算得出书籍的推荐权重，充分考虑了书籍本身内容质量的问题。

【技术实现步骤摘要】

本专利技术涉及，属于信息推荐技术领 域。
技术介绍
推荐系统已经广泛应用到各个领域，怎样为用户提供有用的相关信息是我们所要 关注的问题。 为了给予用户精确的推荐信息，已经出现了很多实时图书推荐算法。在图书推荐 中，一般的推荐算法只是简单地为用户提供相同图书类别下的借阅次数多的书籍的信息， 并没有考虑用户之间的差异性的问题，也没考虑图书本身内容质量的问题，所以在实际推 荐中并没有取得很好的成果。
技术实现思路
本专利技术提供了，以用于解决普通的 图书推荐算法不能解决用户的差异性以及没有考虑图书本身书籍内容质量的问题。 本专利技术的技术方案是：，根据协同 过滤算法计算特定用户与其它用户之间的相似度度量系数；将相似度度量系数与阈值进行 比较，得到特定用户的邻居用户；根据邻居用户的借书数据确定特定用户的推荐图书；针 对特定用户的所有推荐图书进行权重计算；针对所有推荐图书的推荐权重按照从大到小的 顺序进行推荐。 所述方法的具体步骤如下： St印1、根据协同过滤算法计算特定用户与其它用户之间的相似度度量系数P : 其中，u"为特定用户m和其它用户n的共同评分过的图书集合，Rm，。和Rn，。分别表 示特定用户m和其它用户n对于图书c的评分，瓦;和f分别表示特定用户m和其它用户 n对于共同借阅图书的整体打分的平均值； St印2、将相似度度量系数P与阈值M进行比较： 如果P>M，则说明用户之间相似度超过阈值，特定用户m和其它用户n相似；其 中与特定用户相似的其它用户为特定用户的邻居用户； 如果P彡M，则说明用户之间相似度没有超过阈值，特定用户m和其它用户n不相 似； Step3、根据邻居用户的借书数据确定特定用户m的推荐图书：邻居用户的历史借 阅数据以{A:valuel,B:value2, ???}结构存放在Python的Dictionary中；查找邻居用户 的历史借阅数据中最大value值对应的图书类别；将最大value值对应的图书类别下的借 阅书籍以{Bookl:numberl,Book2:number2, ???}结构存放在Python中Dictionary中； 其中，A，B,…表示图书类别，valuel,value2,…表示在对应图书类别A，B,… 下图书被借阅的次数；Bookl，B〇〇k2,…为书籍的名称且作为特定用户m的推荐图书， numberl,number2,…为对应Bookl，Book2,…被借阅的次数；St印4、针对特定用户m的所有推荐图书进行权重K计算： K = NXeMT 其中，N表示特定用户m的所有邻居用户借阅相关推荐图书的次数，e表示指数，M 表示所有用户借阅相关推荐图书的次数E示借阅后所有用户1对于相关推荐图 书的评价均值，h表示借阅后的用户i对于相关推荐图书的评价值；Step5、推荐结果：针对所有推荐图书的推荐权重K按照从大到小的顺序进行推 荐。 本专利技术的有益效果是：可以实时的为用户提供图书推荐信息，运用协同过滤算法 选择用户的邻居用户，并通过阈值调节邻居用户的数量，充分考虑了用户之间的差异性的 问题；通过对邻居用户的历史数据和图书数据库信息的计算得出书籍的推荐权重，充分考 虑了书籍本身内容质量的问题。【附图说明】 图1为本专利技术的流程图。【具体实施方式】 实施例1 :如图1所示，，根据协同 过滤算法计算特定用户与其它用户之间的相似度度量系数；将相似度度量系数与阈值进行 比较，得到特定用户的邻居用户；根据邻居用户的借书数据确定特定用户的推荐图书；针 对特定用户的所有推荐图书进行权重计算；针对所有推荐图书的推荐权重按照从大到小的 顺序进行推荐。 所述方法的具体步骤如下： St印1、根据协同过滤算法计算特定用户与其它用户之间的相似度度量系数P : 其中，U"为特定用户m和其它用户n的共同评分过的图书集合，Rm，。和Rn，。分别表 示特定用户m和其它用户n对于图书c的评分，瓦；和瓦；分别表示特定用户m和其它用户 n对于共同借阅图书的整体打分的平均值；St印2、将相似度度量系数P与阈值M进行比较： 如果P>M，则说明用户之间相似度超过阈值，特定用户m和其它用户n相似；其 中与特定用户相似的其它用户为特定用户的邻居用户； 如果P彡M，则说明用户之间相似度没有超过阈值，特定用户m和其它用户n不相 似；Step3、根据邻居用户的借书数据确定特定用户m的推荐图书：邻居用户的历史借 阅数据以{A:valuel,B:value2, ???}结构存放在Python的Dictionary中；查找邻居用户 的历史借阅数据中最大value值对应的图书类别；将最大value值对应的图书类别下的借 阅书籍以{Bookl:numberl,Book2:number2, ???}结构存放在Python中Dictionary中； 其中，A，B,…表示图书类别，valuel,value2,…表示在对应图书类别A，B,… 下图书被借阅的次数；Bookl，B〇〇k2,…为书籍的名称且作为特定用户m的推荐图书， numberl,number2,…为对应Bookl，Book2,…被借阅的次数； St印4、针对特定用户m的所有推荐图书进行权重K计算：K=NXeMT 其中，N表示特定用户m的所有邻居用户借阅相关推荐图书的次数，e表示指数，M 表示所有用户借阅相关推荐图书的次数表示借阅后所有用户1对于相关推荐图 书的评价均值，h表示借阅后的用户i对于相关推荐图书的评价值；Step5、推荐结果：针对所有推荐图书的推荐权重K按照从大到小的顺序进行推 荐。 实施例2 :如图1所示，，根据协同 过滤算法计算特定用户与其它用户之间的相似度度量系数；将相似度度量系数与阈值进行 比较，得到特定用户的邻居用户；根据邻居用户的借书数据确定特定用户的推荐图书；针 对特定用户的所有推荐图书进行权重计算；针对所有推荐图书的推荐权重按照从大到小的 顺序进行推荐。 实施例3 :如图1所示，一种根据图当前第1页1 2 本文档来自技高网...

【技术保护点】
一种根据图书馆用户习惯的实时图书推荐方法，其特征在于：根据协同过滤算法计算特定用户与其它用户之间的相似度度量系数；将相似度度量系数与阈值进行比较，得到特定用户的邻居用户；根据邻居用户的借书数据确定特定用户的推荐图书；针对特定用户的所有推荐图书进行权重计算；针对所有推荐图书的推荐权重按照从大到小的顺序进行推荐。

【技术特征摘要】

【专利技术属性】
技术研发人员：张晶，于胜军，汤守国，刘英莉，江虹，范洪博，容会，崔毅，李润鑫，潘晟旻，孙俊，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53