一种基于协同过滤算法的图书推荐方法技术

本发明专利技术公开了一种基于协同过滤算法的图书推荐方法，属于图书推荐系统技术领域。用户通过用户信息采集单元将求信息数据输入进入工作台面上，对用户的信息数据采集，将用于用户信息采集单元采集的数据的输入至云端大数据信息进行比对，同时将大数据信息转变为信息数据，将用户信息收集单元采集的数据进行储存，储存单元内的数据通过数据转变后，展示用户需求的信息数据，随后在大数据信息中搜寻处能够解决的处理方案，推荐单元与诉求展示单元和数据采集单元连接，用户对物品的历史行为数据的基础上进行计算，产生推荐列表，将计算出的数据参数用来计算用户对未评分的每个物品的预测评分，并取评分较高的前n个物品推荐给用户，完成推荐。完成推荐。完成推荐。

【技术实现步骤摘要】
一种基于协同过滤算法的图书推荐方法


[0001]本专利技术涉及图书推荐系统
，更具体地说，涉及一种基于协同过滤算法的图书推荐方法。

技术介绍

[0002]推荐系统是一种帮助信息和用户进行匹配的手段。与搜索引擎不一样的是，推荐系统无需用户输入额外的关键词，它能根据用户以往历史行为记录，主动挖掘用户的兴趣爱好，帮助用户发现潜在的兴趣点，并将相关商品或信息推荐给用户。由于是根据每个用户的特点进行推荐的，所以它能够满足个性化的要求，为不同的用户推荐满足他们个性化需求的产品，让信息更加准确地展现在用户面前，同时，它也不那么依赖于用户主动输入的信息去过滤信息。
[0003]专利号CN201810260195.1 基于矩阵分解协同过滤算法的图书推荐方法及系统，(1)处理用户
‑
图书评分矩阵，先将用户历史图书评分行为数据的训练集预处理为m*n的用户图书评分矩阵R；m表示为m个用户，n表示为n种图书；(2)将矩阵R进行均值归一化处理，将矩阵R中每个值都除以矩阵R中所有值的和；(3)对归一化处理后的用户
‑
物品评分矩阵R的分解，将维数较高的用户
‑
物品评分矩阵R分解成两个维数较低的矩阵的乘积，这两个低维的矩阵分别表示用户的特征矩阵θ以及物品的特征矩阵X；(4)构造改进的代价函数，利用原始的评分矩阵Rm*n与重新构建的评分矩阵之间的误差的平方，加入正则项构建改进的代价函数；(5)初始化特征矩阵，将矩阵θ和矩阵X初始化为两个具有小的随机数值的矩阵；(6)建立目标的函数，此处以代价函数最小化为目标函数。
[0004]此专利能够向不同的用户个性化地推荐其可能感兴趣的图书，克服了基于内存的方法中的数据稀疏和可扩展性弱等问题，同时提高推荐算法的精度；但用户无法通过大数据喜好对书本进行有效的推荐。

技术实现思路

[0005]要解决的技术问题本专利技术的目的在于提供一种基于协同过滤算法的图书推荐方法，以解决上述
技术介绍
中提出的问题。
[0006]技术方案一种基于协同过滤算法的图书推荐方法，其特征在于：包括用户信息收集单元、存储单元、数据采集单元、诉求展示单元和推荐单元。
[0007]优选的，所述用户信息收集单元：用户将诉求信息数据输入，对用户的信息数据采集；储存单元：将采集后的数据信息收集储存，上传到云端；数据采集单元：将采集的数据的输入至大数据信息进行比对，同时将大数据信息转变为信息数据；
诉求展示单元：展示需求的信息数据，从而在大数据信息中搜寻处能够解决的处理方案；推荐单元：与诉求展示单元和数据采集单元连接，用户对物品的历史行为数据的基础上进行计算，产生推荐列表。
[0008]一种基于协同过滤算法的图书推荐方法，包括以下步骤：S1：用户通过用户信息采集单元将求信息数据输入进入工作台面上，对用户的信息数据采集；S2：将用于用户信息采集单元采集的数据的输入至云端大数据信息进行比对，同时将大数据信息转变为信息数据；S3：将用户信息收集单元采集的数据进行储存；S4：储存单元内的数据通过数据转变后，展示用户需求的信息数据，随后在大数据信息中搜寻处能够解决的处理方案；S5：推荐单元与诉求展示单元和数据采集单元连接，用户对物品的历史行为数据的基础上进行计算，产生推荐列表。
[0009]优选的，所述步骤S5中，查看推荐单元内推荐的书籍信息，提供导出功能，按条件搜索工单信息，且对统计用户的受理、处理、归档数据，可按条件搜索。
[0010]优选的，所述进入诉求展示单元后，点击进入初始数据查重：展示初始数据的历史阶段，可按条件搜索历史数据；点击进入计划数据：展示计划数据信息，可按条件搜索历史数据信息；点击进入数据转变流程：展示整个流程中数据转变的顺序、变化及最终形态，可按条件数据的过程状态进行筛分。
[0011]点击进入智能诊断
‑
数据
‑
数据展开：展示数据的状态，按条件搜索每个时间段的数据信息状态。
[0012]优选的，所述数据展开：编辑、查询、删除用户的需求信息，可修改、重置及注销用户的账号密码。
[0013]优选的，所述查血用户需求信息，可开启获取数据功能，设置生效时间、数据获取周期、系统名称、系统地址、登录账号、登录密码及诉求的书籍分类。
[0014]优选的，所述完成推荐，将计算出的数据参数用来计算用户对未评分的每个物品的预测评分，并取评分较高的前n个物品推荐给用户。
[0015]有益效果相比于现有技术，本专利技术的优点在于：1、用户通过用户信息采集单元将求信息数据输入进入工作台面上，对用户的信息数据采集，将用于用户信息采集单元采集的数据的输入至云端大数据信息进行比对，同时将大数据信息转变为信息数据，将用户信息收集单元采集的数据进行储存，储存单元内的数据通过数据转变后，展示用户需求的信息数据，随后在大数据信息中搜寻处能够解决的处理方案，推荐单元与诉求展示单元和数据采集单元连接，用户对物品的历史行为数据的基础上进行计算，产生推荐列表，将计算出的数据参数用来计算用户对未评分的每个物品的预测评分，并取评分较高的前n个物品推荐给用户，完成推荐。
[0016]2、查看推荐单元内推荐的书籍信息，提供导出功能，按条件搜索工单信息，且对统
计用户的受理、处理、归档数据，可按条件搜索，进入诉求展示单元后，点击进入初始数据查重：展示初始数据的历史阶段，可按条件搜索历史数据，点击进入计划数据：展示计划数据信息，可按条件搜索历史数据信息，点击进入数据转变流程：展示整个流程中数据转变的顺序、变化及最终形态，可按条件数据的过程状态进行筛分，点击进入智能诊断
‑
数据
‑
数据展开：展示数据的状态，按条件搜索每个时间段的数据信息状态，数据展开：编辑、查询、删除用户的需求信息，可修改、重置及注销用户的账号密码。
[0017]3、查血用户需求信息，可开启获取数据功能，设置生效时间、数据获取周期、系统名称、系统地址、登录账号、登录密码及诉求的书籍分类。
附图说明
[0018]图1为本专利技术一种基于协同过滤算法的图书推荐方法推荐流程示意图。
具体实施方式
[0019]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0020]在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0021]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“套设/接”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于协同过滤算法的图书推荐方法，其特征在于：包括用户信息收集单元、存储单元、数据采集单元、诉求展示单元和推荐单元。2.根据权利要求1所述的一种基于协同过滤算法的图书推荐方法，其特征在于：所述用户信息收集单元：用户将诉求信息数据输入，对用户的信息数据采集；储存单元：将采集后的数据信息收集储存，上传到云端；数据采集单元：将采集的数据的输入至大数据信息进行比对，同时将大数据信息转变为信息数据；诉求展示单元：展示需求的信息数据，从而在大数据信息中搜寻处能够解决的处理方案；推荐单元：与诉求展示单元和数据采集单元连接，用户对物品的历史行为数据的基础上进行计算，产生推荐列表。3.根据权利要求1所述的一种基于协同过滤算法的图书推荐方法，其特征在于，包括以下步骤：S1：用户通过用户信息采集单元将求信息数据输入进入工作台面上，对用户的信息数据采集；S2：将用于用户信息采集单元采集的数据的输入至云端大数据信息进行比对，同时将大数据信息转变为信息数据；S3：将用户信息收集单元采集的数据进行储存；S4：储存单元内的数据通过数据转变后，展示用户需求的信息数据，随后在大数据信息中搜寻处能够解决的处理方案；S5：推荐单元与诉求展示单元和数据采集单元连接，用户对物品的历史行为数据的基础上进行计算，产生推荐列表。4.根据权利要求3所述的一种基于协同过滤算法的图书推荐...

【专利技术属性】
技术研发人员：贾丽坤，李飞，梁旭，刘然瑜，高尚飞，朱芷妹，闫诗雨，康丽峰，郝娟，吉硕，
申请(专利权)人：河北建筑工程学院，
类型：发明
国别省市：