摘 要

随着信息技术的快速进步和互联网的普及和发展,社会的信息化程度也在不断提高，人们已经面临着信息爆炸的现状。为了应对过量的信息，获取到人们所希望获取的信息，推荐系统十分重要。本论文拟研究推荐技术在图书推荐系统中的应用,让书籍推荐给用户更贴心的体验。本文分析比较了几种推荐系统算法，重点阐述了协同过滤的推荐算法的优缺点。本文使用了基于用户的协同过滤算法，关于相邻用户的相似度计算，采用了皮尔逊相似系数作为参考。这里只采用了用户对于书籍的评分作为依据，以皮尔逊相似系数计算相似度，然后将相似邻居的新书评分与相似度结合推荐出高分书籍。最后采用eclipse开发平台和Mysql数据库，编码实现了本系统。

关键词：推荐系统；书籍推荐；协同过滤；

Abstract

With the rapid progress of information technology and the popularization and development of the Internet, the level of information in society is constantly improving, and people are already facing the current situation of information explosion. Recommender systems are important in order to cope with excessive amounts of information and to obtain what people want. This paper intends to study the application of recommendation technology in the book recommendation system, so that books can be recommended to users more intimate experience. This paper analyzes and compares several recommender system algorithms, and focuses on the advantages and disadvantages of collaborative filtering recommendation algorithms. In this paper, a user based collaborative filtering algorithm is used. The similarity of adjacent users is calculated and the Pearson similarity coefficient is adopted as a reference. Here only uses the user's book score as the basis, calculates the similarity with Pearson similarity coefficient, and then recommends the similar neighbor's new book score and the similarity, recommends the high score books. Finally, using eclipse development platform and Mysql database, coding realizes the system.

Key Words：recommender system; book recommendation; collaborative filtering;

目 录

第1章 绪论 1

1.1 课题产生的背景和意义 1

1.2 推荐系统现状和研究方向 1

1.2.1发展现状 1

1.2.2研究方向 1

1.3 论文组织结构 2

第2章 相关理论技术及工具 3

2.1推荐算法及比较 3

2.1.1 推荐算介绍分析 3

2.1.2 协同推荐 4

2.2工具准备和环境搭建 5

2.2.1 软件工具 5

2.2.2 框架介绍和配置 5

2.2.3 Dubbo架构 8

第3章 系统设计 10

3.1 需求分析 10

3.3 数据库设计 10

3.2 系统概要设计 11

第4章.详细设计 13

4.1 登录注册模块 13

4.2 书籍查询模块 14

4.3 个人信息模块 14

4.4 书籍推荐模块 15

第5章 测试 16

5.1 黑盒测试 16

5.2 兼容性测试 18

第6章 总结与展望 20

6.1 总结 20

6.2 展望 20

致谢 21

参考文献 22

第1章 绪论

1.1 课题产生的背景和意义

网上书店和数字图书馆随着信息技术的发展而走入日常生活，在为我们提供精神食粮、方便生活的同时，却也面临着一些困扰。信息时代的人们面临越来越大的数据量，我们需要的是帮助用户摆脱纷繁信息的烦恼，推荐适合的、个性化的书籍，给予用户更舒适、贴心的个性化体验。书籍推荐系统正是为解决这一问题而生，它需要搜集用户信息，调用推荐模块来分析用户,最后为用户推送感兴趣或需求的相关内容。本课题正是为了尝试解决相关问题,提出一种实际的解决方案.

当然也应该考虑到，由于互联网覆盖的用户日多，企业应用的规模和用户数据量大幅提升，各种系统面临越来越大的用户群和访问量，分布式的负载分流方式也是急需的。

1.2 推荐系统现状和研究方向

1.2.1发展现状

由于互联网的快速发展，电子商务网站也发展的越来越全面和复杂。而为了帮助用户应对冗杂的信息，推荐系统已经成为电子商务的必要。在图书方面，目前有名的网上书店有亚马逊、当当书城、天猫和文轩网等，他们都有各自的推荐系统，以用户信息为依据，推荐相关商品。类似的电子书城，都会通过用户信息优化推送信息(广告等)，这样既提高了用户的粘着度，也提高了商品销量。就以亚马逊为例，每年近三分之一的销量来自于此。

有鉴于推荐系统在实际生活中产生的巨大作用以及个性化营销伴随而来的实际利益，其实不仅仅是电子商务网站,在当前中形形色色的软件、网站中已经随处可见推荐系统的影子。音乐软件会根据收听量绘制当日热曲等榜单，新闻媒体平台会根据用户选择的兴趣板块推送相关新闻，而向百度搜索甚至都会根据用户搜索记录推送相关条目的广告。而像时下流行的网易云音乐不仅会有每日歌曲推荐，已经有另一个“私人FM”板块用于学习用户的兴趣，并进行个性化推荐。

1.2.2研究方向

推荐系统的火热现状让对于它的研究也是如火如荼。在当前，有许多科研人员都在对它进行研究，不光有对于算法本身的研究改进，也有对于用户兴趣资料的获取的研究。

而就推荐算法而言，目前主要的有：关联规则、基于内容、协同过滤、聚类算法、深度学习这几种，当然也有各种算法的组合改进。