图书偏好进行预测，具体的 预测公式如下：
[0067]
[006引 /'M和表示目标读者U和邻居读者k对图书的平均偏好程度，Sim(U，k)表示目 标读者U与邻居读者k相似度，表示邻居读者k对图书i的偏好程度。
[0069]图书过滤与排序子模块，协同过滤推理子模块执行完成后会生成推荐列表，该推 荐列表中可能包含哪些已经给读者推荐过的图书，或者读者明确表示他并不喜好的郝类图 书，对此，需要对推荐列表的图书进行过滤，对于将过滤后的图书中哪些图书推荐给目标读 者，需要按照一定的标准对图书进行排序，将排序靠前的若干图书作为最终的推荐集推荐 给读者。送里的排序规则是采用读者对送些图书所述种类的其它图书借阅或浏览情况进行 排序，属于读者经常借阅或浏览的图书种类排序靠前。
[0070]推荐结果展示子模块，是将推荐列表中的图书W可视化和美观的形式展示在读者 的浏览页面上，在本系统中主要从两个版块进行展示；猜你喜欢、系统推荐。
[0071] 读者反馈跟踪子模块，是实时跟踪记录读者对图书推荐版块中图书的点击和图书 借阅情况，如果推荐的图书中读者从未点击或借阅过，则认为读者对送组推荐不感兴趣，将 监测结果传给调整子模块进行调整，产生新的推荐组合。
[0072] 推荐结果调整子模块，是根据读者反馈跟踪子模块中得到的反馈信息，依据推荐 服务模块产生的推荐列表，产生新的图书组合推荐给读者。
[0073] 系统管理模块负责对整个系统的资源管理，算法接口的选择调用，推荐系统性能 检测及推荐效果的测评。
[0074] W上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术 人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本 发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，送些变 化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其 等效物界定。
【主权项】
1. 一种图书推荐方法，其特征在于，该方法包括： 步骤1、在对数据进行采集和预处理后，利用从读者对图书的历史访问数据和Web日 志数据分析构建读者偏好挖掘模型挖掘读者的当前潜在偏好，并构建读者对商品的偏好矩 阵； 步骤2、根据构建的读者对商品偏好矩阵，考虑到矩阵数据的稀疏性，利用基于双向关 联规则项目评分预测的方法对缺失值进行填充，降低数据稀疏性对推荐结果的影响，然后 利用协同过滤算法，根据与目标读者偏好相似的邻居读者的图书喜好给目标读者提供推 荐。2. 根据权利要求1所述的一种图书推荐方法，其特征在于，步骤1中所述的偏好挖掘模 型是从读者对图书的历史访问数据和Web日志数据分别建模，最后构建的组合偏好挖掘模 型，利用该模型评估读者对图书的偏好程度，考虑到了读者的偏好动态转移特性，基于读者 对图书访问历史的挖掘模型构建为读者对商品的总浏览时间、有效浏览时间、总浏览频率 和有效浏览频率的函数，考虑到图书在空间中的相互关联特性，基于Web日志数据的偏好 挖掘模型通过查找与目标图书空间上具有相互关联特性的其它图书集，利用读者对集合中 其它图书的浏览频率和图书权重评估读者对该图书的偏好程度。3. 根据权利要求1所述的一种图书推荐方法，其特征在于，步骤2中所述的矩阵数据的 稀疏性是通过与缺失值图书空间中相互关联的其它图书的喜好来进行评估预测，所使用的 协同过滤算法具体包括： A1、根据用户对图书的偏好程度矩阵，计算该读者与其他读者之间共同偏好的图书集 合，并保存到数据库中； A2、依据图书集合，利用Pearson相似性度量方法计算该读者与其他读者的相似性，并 构建读者-读者相似性矩阵； A3、通过设置寻找最近邻居集合或用户相似性阈值，得到目标读者的最近邻居集合； A4、利用步骤B2计算得到的读者-读者偏好相似性矩阵，结合最近邻居集合，利用预测 偏好计算公式求出读者对未曾借阅或浏览的图书偏好程度，构建图书推荐列表。4. 一种图书推荐系统，其特征在于，包括数据管理模块、读者偏好挖掘模块、读者推荐 服务模块、推荐结果处理模块、系统管理模块，所述数据管理模块、读者偏好挖掘模块、读者 推荐服务模块和推荐结果处理模块的信息、资源的管理与调配，及系统内部算法的选择，算 法运行效率及推荐精度的监控与测度由所述系统管理模块统一管理，其中， 所述数据管理模块，收集读者的历史偏好数据和图书浏览行为信息，并对原始数据进 行处理后将处理后的数据传送给所述读者偏好挖掘模块， 所述读者偏好挖掘模块，分析读者的历史偏好数据、图书浏览行为信息，并按照事先构 建的偏好挖掘模型评估读者对该商品的读者偏好数据，并将该读者偏好数据传送给所述推 荐服务模块， 所述读者推荐服务模块，根据挖掘的读者偏好数据，构建读者对商品的偏好矩阵，在此 矩阵上运用基于项目的协同过滤算法为读者生成可能偏好的图书推荐列表，并将图书推荐 列表传送给所述推荐结果处理模块， 所述推荐结果处理模块将图书推荐列表以多种形式展示给读者，并获取读者对推荐结 果的反馈信息，将反馈信息进行综合分析处理后，动态调整图书推荐结果。5. 根据权利要求4所述的一种图书推荐系统，其特征在于，所述数据管理模块包括数 据采集子模块和数据预处理子模块，所述数据采集子模块，收集读者对图书的历史偏好信 息，并从Web服务器中采集读者访问日志，所述数据预处理子模块，对采集到的不完整的、 含有噪声的数据进行过滤，以便于对读者偏好提取建模，所述数据预处理子模块包括数据 集成、数据清理、数据的变换与规约过程。6. 根据权利要求4所述的一种图书推荐系统，其特征在于，所述读者推荐服务模块包 括协同过滤推理子模块和图书过滤与排序子模块，所述协同过滤推理子模块，根据所运行 的协同过滤推荐算法分析读者对商品的偏好矩阵，在此基础上分析读者相似性和图书相似 性，所述图书过滤与排序子模块，过滤掉已经推荐过和读者明确表示不喜欢的图书，并对过 滤后的图书列表按照指定的标准进行排序处理。7. 根据权利要求4所述的一种图书推荐系统，其特征在于，所述推荐结果处理模块包 括推荐结果展示子模块、读者反馈跟踪子模块和推荐结果调整子模块，所述推荐结果展示 子模块，将推荐结果展示给读者，分为两个版块：猜你喜欢、借阅该图书的读者还借阅了什 么，所述读者反馈跟踪子模块，收集跟踪读者对推荐的图书点击和浏览情况，所述推荐结果 调整子模块，根据读者对推荐图书的反馈信息，结合所述读者推荐服务模块生成的图书推 荐列表，并动态调整图书推荐结果。
【专利摘要】本发明公开了一种图书推荐方法，该方法包括：步骤1、在对数据进行采集和预处理后，利用从读者对图书的历史访问数据和Web日志数据分析构建读者偏好挖掘模型挖掘读者的当前潜在偏好，并构建读者对商品的偏好矩阵；步骤2、根据构建的读者对商品偏好矩阵，考虑到矩阵数据的稀疏性，利用基于双向关联规则项目评分预测的方法对缺失值进行填充，降低数据稀疏性对推荐结果的影响，然后利用协同过滤算法，根据与目标读者偏好相似的邻居读者的图书喜好给目标读者提供推荐。本发明一种图书推荐方法及其系统，能将数据库中满足消费者偏好的图书信息优先推荐给消费者，以达到提高消费者检索图书信息效率的目的，节省了消费者检索时间，提高了检索效率。
【IPC分类】G06Q10/06, G06F17/30
【公开号】CN105183727
【申请号】CN201410234550
【发明人】赵玉荣
【申请人】上海研深信息科技有限公司
【公开日】2015年12月23日
【申请日】2014年5月29日