柯秀文

(商丘职业技术学院 软件学院，商丘 476001)

0 引言

随着现代信息技术的高速发展，给社会各行各业带来了革命性的变革，提供高效、优质的服务是很多行业追求的目标。信息技术的广泛应用为各级各类图书馆提供了新的服务方向和选择。根据读者的需求，提供差异化、高质量的个体服务，是各级各类图书馆在新时期深化图书馆服务职能的积极尝试和有益探索，也是信息服务的必然需求。传统的图书搜索引擎只能为所有读者展现相同的图书排序结果，无法结合读者的个人爱好提供差异化的检索结果，而基于协同过滤算法的图书推荐系统却能够根据读者的个人偏好为其提供差异化的图书推荐[1]。

然而，随着各级各类图书馆开放程度和服务质量的提升，推荐系统中读者与图书数量的增加和积累，评分矩阵数据稀疏性问题越来越显著，此外，传统的基于内存的协同过滤算法没有考虑时间因素等上下文信息对相似度造成的影响，这些都导致图书推荐质量的下降。因此，本文提出一种改进的协同过滤算法，以提高图书推荐质量，实验证明，改进的协同过滤算法能够有效提高图书推荐精度。

1 协同过滤算法及改进思路

协同过滤( Collaborative Filtering，CF)是当前使用最为广泛的推荐算法之一，这个概念由 Goldberg等在1992年正式提出[2]，它依据用户-项目评分数据，算法基于用户对一些项目的评分进行比较，假设用户对一些项目评分相似，那么用户对其他项目评分也相似[3]。……