李冬

（商丘职业技术学院，河南 商丘 476001）

0 引言

伴随着信息技术的高速发展，数字媒体技术日新月异，大量的数字资源的诞生和普及，对数字资源服务也提出越来越高的要求，如何从海量的数字图书中，根据相关的数据信息，为读者提供高质量、差异化、个性化的图书推荐愈发重要。提高图书推荐的效率和准确率，提高读者的满意度、粘合度是各种数字图书平台努力的目标和方向。

基于各种算法建立起来的数字图书推荐系统是根据读者的个人偏好，提供差异化图书推荐的有效方法。算法是推荐系统高效、准确运行的基础和关键，目前推荐系统常用的算法有基于内容的推荐算法、基于知识的推荐算法、基于关联规则的推荐算法、基于协同过滤推荐算法以及基于模型的各类推荐算法［1］。以这些算法建立起来的推荐系统通过对用户历史行为数据的分析，得出用户的真实需求，向用户推荐相关的产品及信息，随着正反馈结果的不断提高，加强了用户和平台间的紧密度，实现用户链式反应增值，这些推荐系统在电子商务、音视频推荐、新闻、图书等很多领域已经取得的广泛的应用，产生了很好的经济效益和社会效益。

数字图书和普通图书相比在数据信息和数据质量上更加的丰富和准确，读者对数字图书的评价可以更加的便捷、有效，数字图书的名称、简介、评论、作者、出版社、出版时间、上线时间、搜索量、浏览频次、页面停留时间等因素都可能会影响读者的兴趣偏好。……