卫欣玲

(陕西交通职业技术学院 汽车工程学院，陕西 西安 710018)

0 引言

随着各种阅读软件的推出，现代文学作品走向了网络化时代，面对海量文学作品，读者在选择上耗费了大量的时间与精力[1]。在这一背景下，文学作品的推荐功能已经成为了阅读软件所必备的功能，一方面它可以高效地引导读者找到自己满意的文学作品，另一方面它可以增加读者的黏性，避免读者在内容选择上出现倦怠心理[2]。目前常见的推荐方式是在读者登录文学网站或App时进行喜好筛选与引导，网站可以根据读者的搜索、浏览记录进行数据分析和个性化内容的推荐服务[3]。读者的个性化推荐服务最初起源于Doubleclick公司，这个公司对读者定制推送个性化广告，亚马逊公司将这一系统与电商网站结合起来，通过对网站消费者的历史数据挖掘，进行网站商品的推送，并取得了良好的效果[4]。但目前的推荐系统尚且处在发展阶段，在产品种类和读者数据的日渐增长下，文学网站推荐系统的潜在问题开始显现，一是在新用户和新产品推荐时，存在冷启动问题；二是用户和产品的互动信息少，导致可分析数据稀疏；三是数据量急剧增加导致数据分析时间加长，推荐算法的实时性和准确性无法同时保证[5]。基于此，此次从现代文学作品入手，在对读者进行社区划分的基础上，结合多种智能算法，进行个性化推荐算法研究，希望在保证算法效率的同时，可以最大程度地提升文学作品推荐算法的准确性。……