《基于内容的电子图书推荐系统_B10040101毕设论文》由会员分享，可在线阅读，更多相关《基于内容的电子图书推荐系统_B10040101毕设论文（50页珍藏版）》请在金锄头文库上搜索。
1、南京邮电大学 毕 业 设 计（论 文）题 目基于内容的电子图书推荐系统专 业计算机科学与技术学生姓名王欣源班级学号B10040101指导教师许棣华指导单位计算机学院、软件学院 日期： 2014 年 03月10 日至 2014 年 06 月10 日毕业设计（论文）原创性声明本人郑重声明：所提交的毕业设计（论文），是本人在导师指导下，独立进行研究工作所取得的成果。除文中已注明引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写过的作品成果。对本研究做出过重要贡献的个人和集体，均已在文中以明确方式标明并表示了谢意。 论文作者签名： 日期： 年 月 日摘 要随着信息技术和互联网的发展
2、，人们逐渐从信息匮乏的时代步入了信息过载的时代。面对信息过载，推荐系统应运而生。本文是实现基于内容的电子图书推荐系统，帮助人们快速找到自己需要的图书。本文首先阐述了推荐系统产生的背景，并分析比较了几种推荐系统算法，重点阐述了基于内容的推荐算法的优缺点。然后对本系统的功能进行了模块划分，分为管理员实现的功能模块、用户实现功能模块和系统向用户推荐图书模块。 推荐图书模块采用基于内容的推荐算法，它使用关键词代表图书的内容特征向量，根据用户对图书的操作行为计算出用户的配置文件，并通过采用Jaccard算法计算出与用户配置文件相似性较大的图书推荐给用户。最后通过采用Myeclipse8.5开发平台和My
3、Sql数据库，编码实现了本系统。关键词：基于内容；信息过载；推荐系统；电子商务；电子图书推荐ABSTRACT With the development of information technology and the Internet, people gradually fall from a lack of information era into the era of information overload. Facing the problem of information overload, recommender system came into being.We realize
4、d a contents-based electronic book recommender system,helping people quickly find the book that they need. Firstly,the background of the recommender system is described in this paper .Meanwhile we analysis several recommendation algorithms and focus on the advantages and the disadvantages of the con
5、tent-based recommendation algorithm in this paper.Then according to the functions , this system is divided into three parts,such as the users function module, the administrators function module and the recommendation module. Content-based recommendation algorithm is adopted in the recommendation mod
6、ule, which uses the key words to represent the feature vector of the books content, and form the users profiles based on the users operate behavior on books. The similarity between the books and the users profile is calculated by Jaccard algorithm. After that,the most similar books are recommender t
7、o the user. Finally, this system is implemented on the platform of Myeclipse8.5.Key words：content-based；information overload； recommender system； electronic business；e-book recommendation目 录第一章 绪论- 1 -1.1课题产生的背景及意义- 1 -1.2推荐系统研究现状- 1 -1.3推荐系统研究内容及论文组织结构- 3 -第二章 相关理论技术及工具- 5 -2.1推荐系统算法及比较- 5 -2.2基于内容
8、的推荐算法- 7 -2.3实现使用的环境工具及技术- 10 -2.4本章小结- 11 -第三章 系统设计- 12 -3.1系统概述- 12 -3.1.1系统目标设计- 12 -3.1.2系统设计思想- 12 -3.1.3系统总体设计图- 13 -3.2需求分析- 13 -3.2.1系统总体功能图- 13 -3.2.2用例图- 14 -3.3数据库设计- 15 -3.3.1数据库需求分析- 15 -3.3.2数据库逻辑设计- 15 -3.3.3 E-R图- 16 -3.4本章小结- 18 -第四章 详细设计- 19 -4.1数据库和JAVA Web的连接- 19 -4.2实现登录功能- 20 -
9、4.3管理员实现对电子图书的编辑- 22 -4.4管理员实现对用户信息操作- 25 -4.5用户实现查询图书- 26 -4.6用户对图书的操作- 27 -4.7系统对用户推荐图书- 28 -4.8本章小结- 32 -第五章 总结和展望- 33 -5.1系统的测试- 33 -5.1.1测试目的- 33 -5.1.2测试方法- 33 -5.1.3 测试实例- 33 -5.2对系统改进的思考- 40 -结束语- 42 -致 谢- 43 -参考文献- 44 -南京邮电大学2014届本科生毕业设计（论文）第一章 绪论1.1课题产生的背景及意义 一课题产生的背景近年来，随着信息技术和网络的快速发展与崛起，
10、互联网已逐渐成为人们搜集和提供信息的常用渠道，并逐步渗透到各个领域包括传统的流通领域。这一变化促成了电子商务的形成，越来越多的商家在网上建立在线店铺，向消费者展示自己的产品信息，消费者也逐渐习惯于网上查询自己需要产品的信息。这种全新的生活理念标志着人类进入了一个崭新的时代。然而问题随之产生，信息过载的时代不同于以往，对于信息消费者言而，在众多信息中找到自己需要的信息是一件非常困难的事情；对于信息生产者而言，让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。面对产品信息的“海洋”，显而易见，消费者快速并且有效的挑选出自己所需要所感兴趣的产品是十分困难的，此时推荐系统应运而生。
11、电子商务推荐系统通过识别消费者的消费偏好，模拟导购人员向客户提供建议，帮助客户完成了购买，从而使消费者尽量避免信息过多所带来的麻烦，同时也为自己产品营销带来了利润，更重要的是为自己的电子商务系统保留住了一定的客户源。二课题的目的及意义推荐系统的任务就是在用户和信息之间建立一个桥梁，一方面帮助了消费者发现对自己有价值是自己感兴趣和需要的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。其实质就是在海量数据挖掘基础上建立的一种高级商务智能平台，以帮助电子商务网站为其用户提供智能的、个性化的决策支持和信息服务，从而避免用户在海量数据前无所适从。1.2推荐系统研
12、究现状从上世纪90年代中期提出推荐系统的概念，直到现在，蓬勃兴起的网上交易、电子商务等，伴随着信息技术的进步，为推荐系统提供了良好的契机和发展的平台，推荐系统得到了飞速的发展。急需并且巨大的应用需求，为推荐系统带来了广泛的关注。不仅很多国内外学者都在研究推荐系统，ACM 也屡次把推荐系统作为研讨主题，甚至众多国内外期刊也纷纷将推荐系统作为专题报道。一国外推荐系统研究现状在用户模型方面，常用的用户建模技术有向量空间模型、用户评价矩阵，以及机器学习技术。国外的研究提出了使用智能代理技术来分析顾客的需求，建立用户模型，并据此提供推荐服务。也有人提出了一个利用神经网络和遗传K-means 算法来获取用
13、户偏好的方法。通常系统中应用的推荐算法最多的是协同过滤的技术，针对协同过滤的改进提出了使用分解技术减少特征向量的维数，来提高最近邻居的搜索速度，并且对用户最近邻居项采用赋值权重的方法来优化算法，提高推荐质量。由于传统的协同过滤技术仅仅根据用户显式评分产生推荐结果，很多研究者提出通过web 挖掘技术获取用户隐式评分，因此，各种数据挖掘技术也开始应用到推荐系统中，以提高推荐系统的精度。学者们也关注了推荐系统的可移植性和信任的问题。基于对等网络环境，通过在客户端对用户信息进行控制，使得用户即使在离线时也能进行推荐。另外推荐系统的实时性，算法的可伸缩性，用户的信任等等融合了信息获取，数据挖掘，人机交互
14、，自然语言处理，心理学，社会行为研究等相关领域都是最近研究的热点。下面给出一些研究型推荐系统实例：（1）GroupLens：用于推荐新闻信息组的自动协同过滤推荐系统。该系统通过自动搜索与用户评分信息最邻近的用户，然后根据最接近的评分信息产生最终的推荐结果，支持用户数量大的情况。（2）MovieLens：用于推荐电影的研究型自动协同过滤推荐系统。与GroupLens 不同，MovieLens 是一个基于web 的推荐，系统通过浏览器进行用户评分数据的收集与推荐结果显示。（3）FAB：用于推荐web 页面的基于内容的过滤和协同过滤混合的推荐系统。其特点是综合了基于内容过滤的推荐和过滤推荐的优点，同时支持两种类型的推荐服务。 （4）Ringo：用于提供音乐推荐服务的研究型协同过滤推荐系统。Ringo 系统可以向用户推荐他们喜欢的音乐，预测用户不喜欢的音乐，也可以预测用户对特定音乐的评分。表1.1 一些采用推荐技术的网站系统推荐内容类型网址MovieF电影http:/
