●孙彦超，韩凤霞（北京信息科技大学　.教务处；.机电实习中心，北京　100192）

基于协同过滤算法的个性化图书推荐系统的研究

●孙彦超a，韩凤霞b（北京信息科技大学a.教务处；b.机电实习中心，北京100192）

［关键词］协同过滤；最近邻居；推荐系统

［摘要］针对传统的协同过滤推荐算法不足之处，文中引入兴趣随时间迁移函数、用户和对象相关函数及用户特性集三个方面对协同过滤算法进行优化改进，在改进后的算法中使用用户兴趣随时间的变化函数来修正用户评价矩阵，在计算用户相似度时考虑了用户和对象兴趣度，在生成最近邻居时充分考虑了用户特性相似度对推荐结果的影响。以北京信息科技大学图书管理系统中数据集进行实验，通过实验结果表明，改进后的算法在推荐的准确度上有显著的提高。

1　个性化图书推荐系统及推荐算法

所谓个性化图书推荐系统，主要是利用读者历史借阅数据预测未来读者潜在的兴趣和爱好，进而有针对性地向其提供个性化的推荐图书服务。

目前，高校图书馆通常采用的推荐算法可以分三类［1］：（1）基于关联规则的推荐算法（Association Rule-based Recommendation）;（2）基于内容的推荐算法（Content-based Recommendation）;（3）协同过滤推荐算法（Collaborative Filtering Recommendation）。三类算法优缺点比较如下表所示。

在图书管理系统中，知识学习的驱动力、相似的知识结构及海量的高频借阅记录数据，使得图书管理系统中存在大量相似度较高的读者借阅信息，在这些借阅信息的基础上，基于关联规则推荐算法能够分析其中隐藏的关联规则，不足是规则抽取难度大、耗时长，个性化程度较低。……