查英华++朱其慎

摘要：移动互联网的发展和智能手机的普及，彻底改变了人们的阅读习惯，帮助人们获取最有效的阅读资讯成为当今的研究热点之一。本文使用基于标签和评分的协同过滤算法（UTR-CF），设计并实现了基于Android的个性化推荐阅读系统。系统分为服务端和客户端，服务端定时从豆瓣读书爬取图书信息，根据图书的评分和标签、用户图书标签，采用基于标签和评分的协同过滤推荐技术实现个性化推荐；客户端展示用户感兴趣的推荐结果，并将设置的图书标签、评分上传到服务端。经测试，该系统能为用户提供快速、准确的个性化阅读需求。

关键词：阅读推荐； 协同过滤； 智能手机； 安卓平台

中图分类号： TP393

文献标志码： A

文章编号： 2095-2163（2016）06-0055-04

0引言

如今互联网已经深入到人们生活的方方面面，信息的获取异常容易，超链接文本的方式也使得信息的外延无限扩展，信息的丰富程度已经超出人们的想象，智能手机的普及彻底改变了人们的阅读习惯，手机阅读受到大家的追捧。但是，海量的电子书信息使人们获取感兴趣图书的成本大大增加，日趋严重的“信息过载”迫切需要能随时提供有價值的信息资讯的推荐服务，因此实现一个基于Android平台的图书阅读推荐系统，为人们提供感兴趣的图书推荐服务变得非常必要。

个性化推荐是卡耐基

瘙 簚 梅隆大学的Robert Armstrong等人在1995年首次提出，实现原理是根据用户的历史行为数据挖掘兴趣点，主动向用户提供感兴趣的信息[1]。……