张 淼，吴昌雨，刘东旭

（滁州职业技术学院，安徽 滁州 239000）

网络信息技术的高速发展使得书籍摆脱了传统的纸媒方式，电子图书也越来越受到人们的认可。2016年全国共出版图书、期刊、报纸、音像制品和电子出版物512.53亿册[1]。对于大部分用来来说，如何在浩瀚的图书资源中找到自己感兴趣的图书，对自身的检索能力是一个很大的挑战。因此，帮助用户更快地找到感兴趣的图书是当前首要解决的问题。

本文主要完成了基于Mahout的图书推荐系统的设计与实现，通过Mahout框架为用户提供书籍推荐服务，使得传统的“人找书”变为“书推荐给人”。协同过滤算法的使用让用户更快速地找到自己需要的书籍，节省了大量的时间。

1 相关概念

1.1 协同过滤推荐算法

协同过滤推荐算法是一种主流的、目前广泛应用在工业界的推荐算法。一般分为基于用户的协同过滤（user-based）和基于项目（item-based）的协同过滤[2]。

基于用户的协同过滤算法，主要考虑的是用户和用户之间的相似度，首先找出与目标用户相似度高的其他用户，也就是邻居。把邻居喜欢的物品推荐给用户。而基于项目的协同过滤是通过寻找物品和物品之间的相似度，向目标用户推荐与他自己喜欢的物品相似度高的其他物品。

1.2 Mahout

Mahout是Apache Software Foundation（ASF）旗下的一个开源项目，提供了一些经典的机器学习算法，帮助研发工作者更方便地进行研发[3]。其中Mahout中的Taste提供了一系列组件让开发者根据自身的需求构建推荐系统。

Taste主要有5个组件构成[4]：Data Model，User Smiliarity和Item Similarity，User Neighborhood和Recommender。

（1）Data Model：用于读取用户的偏好数据。……