一种基于Python的图书推荐系统的方法技术方案

本发明专利技术公开了一种基于Python的图书推荐系统的方法，本系统采用Django框架，开发环境是以PyCharm为开发编译平台，开发语言为Python，使用MySQL数据库存储数据信息，采用MVT设计模式和B/S架构实现。本发明专利技术设计出五个基本模块分别为用户个人中心模块、图书管理模块、推荐管理模块、信息论坛管理模块、系统设置管理模块，同时，利用基于用户与用户的协同过滤推荐算法相结合的方式来完成图书推荐系统，并进行系统测试，将系统应用到实际生活当中，为广大的读者推荐感兴趣的图书，并快速找到自己需要的个性化服务。根据图书推荐系统的业务功能验证测试结果，本发明专利技术可以提高读者的有效利用时间，快速发掘自己需要的书籍，减少人力和物力资源。和物力资源。和物力资源。

【技术实现步骤摘要】
一种基于Python的图书推荐系统的方法


[0001]本专利技术主要涉及图书推荐、读书论坛管理领域，具体涉及一种基于Python的图书推荐系统的方法。

技术介绍

[0002]随着社会发展，网络进步，数据资源的海量增加，面对繁杂的信息，我们往往无法从中迅速获取准确、全面、自己需要或感兴趣的信息，而不知如何是好。此时，我们处于“信息过载（Information overload）”的状态。所以在信息化的今天，用户可以使用门户网站和搜索引擎来减少信息的过载的现象。许多用户处于没有目的的状态，并且不清楚自己的需求，在门户网站上，可以把受欢迎的信息放在首页上。根据长尾理论，位于长尾的信息需求量之和，比受欢迎的信息需求量大得多，因此，需要一种向用户推荐长尾上的信息可能对他们感兴趣的系统。对于有一定需求目标的用户，在搜索引擎中，用户可以通过字段描述自己的信息需求来更加快速的找到自己信息。
[0003]从国内整体来看，网民数量不断增长，小到 6
‑
7 岁的孩童，大到 60 到 70 的老人，各行各业均有涉及，图书资源与年龄段不符，造成阅读冗余，但现在的阅读软件基本为片段阅读或者根据自己的查找进行阅读，但是片段化阅读不能满足提升用户水平，造成资源以及时间的浪费。根据自己的查找阅读，无法短时间内确认是否为自己所需。所以基于用户所需、简单便捷的 Python 图书推荐系统应用而生。相比国内，国外图书推荐系统起步较早，但不具备数据分析，往往根据阅读次数、新书推荐等，并不能满足各类用户的及时所需。读者所需的是根据专业课程、年龄增长、感情变化等随时变化。本系统主要优点在于根据读者的个性化需求，及时向用户推荐当下用户所需，做到了解用户，提前感知用户，使读者能够在短时间内获取所需要的图书。
[0004]基于 Python 的图书推荐系统根据用户的喜好以及阅读种类及时进行分析，随时为用户下一步的阅读做出推荐。本系统的优点在于能够储存大量书籍，按照一定逻辑分类，避免由于管理者的疏忽以及纸质的损坏造成无法阅读等。其次，本系统免于查找、借阅、更不会出现无法获取图书资源等情况。最后用户可以在线实时交流阅读感受，系统可以根据用户的阅读书籍种类的次数，分析下一步的阅读计划。

技术实现思路

[0005]本专利技术旨在至少在一定程度上解决上述现状中所存在的技术问题之一。为此，本专利技术的一个目的在于提出一种图书推荐系统，能够根据用户反馈及时修改图书推荐列表，从而能够提高图书推荐的精准度。本专利技术的研究主要为满足各种用户所需，把图书推荐系统从零星的局域网应用系统转 变为全互联网应用系统，使用 B/S 架构，统一并集中处理各种数据、信息，规范并使各项 业务数据标准化，实现数据中心管理功能，并且让各个业务的关系结合起来，利用计算机 科学技术对业务模块进行优化，达到以更低成本使业务更加流畅的目的。此系统主要实现 用户登录、用户分角色权限控制、用户个人中心管理、书籍管
理、推荐模块管理、读书论坛管理和系统管理。
[0006]本专利技术图书推荐系统采用 Django 框架，开发环境是以 PyCharm 为开发编译平台，开发语言为 Python， 使用 MySQL 数据库存储数据信息，采用 MVT 设计模式和 B/S 架构实现。结合对用户的需求分析，本专利技术图书推荐系统设计出五个基本模块分别为用户个人中心模块、图书管理模块、推荐管理模块、信息论坛管理模块、系统设置管理模块，同时，利用基于用户与用户的协同过滤推荐算法相结合的方式来完成图书推荐系统，并且进行系统测试，将系统应用到实际生活当中，为广大的读者推荐感兴趣的图书，并快速找到自己需要的个性化服务。
[0007]推荐管理模块是图书推荐系统的核心所在共有三个模块热门推荐模块、新书推荐模块、以及我猜你喜欢模块。其中热门模块是根据每个用户浏览图书的浏览量和收藏量来实现推荐的。热门模块首先是按照图书收藏量排序，其次按照浏览量排序并取出浏览量排名前10的图书。新书推荐模块是根据图书id字段倒排序，展示出排名前10图书，我猜你喜欢栏目是基于用户与用户的协同过滤推荐，首先会将用户进行分析，分类，根据用户的行为操作进行记录计算用户之间的皮尔逊关系数，皮尔逊关系数是呈线性分布，以皮尔逊关系数进行相似度计算，接着计算用户之间的P氏距离，形成相似用户列表。
[0008]本专利技术系统主要用到了基于用户的协同过滤算法，此算法适用用户多，不会造成计算矩阵代价大，其次具备时效性和实时性，不会因为用户有新的操作行为造成推荐结果变化。基于用户的协同过滤推荐(user
‑
based CF)系统于1992年被提出，主要作用于邮件过滤该算法，标志着推荐系统的产生。1994年被用于新闻过滤。在此之后，直到2000年，该推荐算法仍然是推荐系统领域中最著名的。
[0009]本专利技术系统实现基于用户的协同过滤算法的具体细节为：首先会将用户进行分析根据用户的行为操作进行记录，然后计算用户之间的皮尔逊关系数，皮尔逊关系数呈线性回归分布接着计算用户之间的P氏距离，从而得到用户相似度列表。
[0010]本专利技术的有益效果是，当读者用户没有明确目标的时候，根据图书推荐系统找到适合自己的书籍，系统可以提高读者的有效利用时间，快速发掘自己需要的书籍，减少人力和物力资源。
附图说明
[0011]图1为本专利技术的系统逻辑设计图。
[0012]图2为本专利技术的网络结构设计图。
[0013]图3为本专利技术的功能架构设计。
[0014]图4为本专利技术的用户个人中心流程图。
[0015]图5为本专利技术的我猜你喜欢页面流程图。
具体实施方式
[0016]为了使专利技术的目的、特征和优点更加清晰，下面结合附图和具体实施方案，对本专利技术进一步的详细描述。需要说明的是，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0017]在整个设计过程，首先需要了解整体的架构设计，紧接着了解架构设计需求之后
进行整体架构设计的划分，将整体架构划分成具体的细节部分之后将整体架构，细节划分以及数据联系起来，在不断的总结与构想中完成了整体架构的设计。
[0018]请参阅图1，系统采用了B/S架构模式，即浏览器与服务器之间的架构模式，把系统分成三层：UI表示层，DLL业务逻辑层，DAL数据访问层，三个层之间交互并存在相应的接口与组件，符合高内聚低耦合的要求，UI表示层提供交互式界面，用户请求到DLL业务逻辑层，DLL业务逻辑层负责数据的传递和处理之后到DAL数据访问层进行数据的保存更新，这样就完成了三层之间的交互。
[0019]请参阅图2，根据系统需求分析表示本系统网页是通过B/S架构为使用者服务的，所以再网络结构的设计上要设置同结构相对应的系统服务器和数据库服务器等。并且一定要能够给服务器端的网络提供足够的保障，保证其能够稳定的为系统提供服务。通过这样的网络结构部署，只需要我们的计算机可以联网，就可以通过互联网来访问完成的系统，操作简便，容易理解，大大提升了用户对系统的使用效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1. 一种基于 Python 的图书推荐系统的方法，其特征在于，该方法采用Django框架MVT设计模式和B/S架构，本发明系统设计出五个基本模块分别为用户个人中心模块、图书管理模块、推荐管理模块、信息论坛管理模块、系统设置管理模块，为广大的读者推荐感兴趣的图书，并快速找到自己需要的个性化服务。2.根据权利要求1所述的一种基于 Python 的图书推荐系统的方法，其特征在于，所述的用户中心管理模块是针对用户来查看基本信息，以及记录行为操作的功能模块，作用对象为用户，用户的主要功能有浏览全部书籍、最热书籍、最新书籍、分类图书、诺贝尔奖图书、矛盾文学奖、读书论坛，我的信息、我猜你喜欢、月度推荐图书等一系列操作，用户中心模块体现了用户的具体功能，现如今多元化的世界，用户的操作也变得多元化，因此信息的处理也需要多元化，用户个人中心也添加了管理多元化的设置。3.根据权利要求1所述的一种基于 Python 的图书推荐系统的方法，其特征在于，所述的图书管理模块可以理解为原始数据的积累，为用户提供相关选择，其功能有用户查看全部书籍，书籍的分类，诺贝尔奖图书，茅盾文学奖图书，并且每本书籍都有自己绑定的标签，如果新增图书可以进行标签选择并绑定。4.根据权利要求1所述的一种基于 Python 的图书推荐系统的方法，其特征在于，所述的推荐管理模块是图书推荐系统的核心所在共有三个模块热门推荐模块、新书推荐模块、以及我猜你喜欢模块，其中热门模块是根据每个用户浏览图书的浏览量和收藏量来实现推荐的，热门模块首先是按照图书收藏量排序，其次按照浏览量排序并取出浏览量排名前10的图书，新书推荐模块是根据图书id字段倒排序，展示出排名前10图书，我猜你喜欢栏目是基于用户与用户的协同过滤推荐，首先会将用户进行分析，分类，根据用户的行为操作进行记录计算用户之间的皮尔逊关系数，皮尔逊关系数是呈线性分布，以皮尔逊关系数进行相似度计算，接着计算用户之间的P氏距离，形成相似用户列表。5.根据权利要求1所述的一种基于 Python 的图书推荐系统的方法，其特征在于...

【专利技术属性】
技术研发人员：田梦娇，潘斌，
申请(专利权)人：辽宁石油化工大学，
类型：发明
国别省市：