杨宇环，张开生

(1.陕西科技大学 图书馆信息部, 陕西 西安 710021；2.陕西科技大学 电气与控制工程学院，陕西 西安 710021)

0 引言

互联网、大数据技术、移动技术等高科技的迅猛发展推动着社会的进步，但数据的爆炸式增长也带来了“信息过载”问题[1].面对大规模的信息，用户无法在短期内准确提取到有价值的数据，因此推荐系统应运而生.推荐系统旨在从海量数据中快速捕获有效数据反馈给用户，最典型的应用场景是电商平台，而随着图书馆智能化水平的提高，图书的个性化推荐逐渐成为研究热点.

目前，基于内容的推荐以及协同过滤推荐作为推荐系统领域最为流行的方法，也逐渐被应用在图书推荐系统中[2].梁思怡等[3]综合考虑读者评分、时间上下文以及兴趣变迁等因素，提出优化时间上下文的协同过滤算法ICBO UserCF(Interest Caputure-Based Optimization UserCF)，提高了图书推荐准确度；陈海军[4]提出将改进的Apriori算法用于个性化推荐图书管理系统，向读者推送与历史借阅图书相关联的书籍，能够满足快速推荐的需求；李默等[5]利用标签系统对图书内容进行语义分析，使用关联规则过滤相似读者，结合了基于内容和协同过滤推荐的优势；胡代平等[6]关注到读者阅读兴趣具有时间变化性，提出结合二分网络结构和传统图书推荐算法的混合推荐方法；宋楚平[7]提出一种协同过滤改进方法，以图书分类为项目生成用户评价矩阵，解决高校图书推荐过程中面临的“数据稀疏”和“冷启动”问题；李欣弘……