田越 章昊

(南京理工大学紫金学院,江苏南京 210000)

0 绪论

随着时代的发展与科技的进步,图书馆也正朝着智能化的方向发展,图书推荐系统成为了其中不可或缺的一环,民众自觉地或不自觉地接触使用推荐系统,例如京东、天猫、唯品会等大型电商平台,它们首页显示的商品或多或少都是通过自己研发的推荐系统,来实现商品以及内容的推送,为迎合不同用户的喜好与口味实现推送不同的商品和内容。但推荐热销内容给这些“少数群体”是没有任何益处的。目前的图书推荐系统多是基于内容的推荐(Content-based Recommendation)或者是基于协同过滤的推荐(Collaborative-based recommendation)。本文叙述的项目结合基于内容的推荐(Content-based Recommendation)和基于协同过滤的推荐(Collaborativebased recommendation),最终构建了一个基于混合推荐(Hybrid-based recommendation)的图书推荐系统。

1 混合推荐系统实现思路

该混合推荐系统结合了基于内容的推荐和基于协同过滤的推荐,协同过滤利用用户模型和群体数据的评分与特征生成推荐列表,而基于内容的推荐使用产品的描述信息和分类标签所反映的产品特征来生成推荐列表,通过构建一个混合系统,结合两种推荐算法和模型的优点,有效提高推荐结果。

该系统采用加权式混合策略,通过计算多个(该系统是两个)推荐系统的结果分数的加权和,并将它们组合在一起。这是N元线性回归问题,因此有会n个不同的推荐函数reck,其返回值是一个列向量,并对应相应的回归系数βk,作为每个列向量的权重,可以根据N元线性回归……