基于关联规则和协同过滤的混合图书推荐算法

游卓霖++周翔

摘 要：文章结合关联规则挖掘和协同过滤算法的特点，根据图书馆的实际情况，提出了混合图书推荐算法。将该算法应用于广大图书管理系统中，有助于提高用户体验。

关键词：关联规则；协同过滤；图书推荐

中图分类号：TP391.3 文献标识码：A

一、引言

现如今，应用大数据技术已成为时代的主流，但海量的数据能给我们提供什么呢？答案是信息，而且是有价值的信息，能使我们提高工作效率。以图书馆为例，传统图书馆管理系统中不仅有大量图书信息、用户信息，也有许多借阅者的借阅信息，这就带来一个问题，这么多借阅信息能带来什么好处？通过数据挖掘，我们就能从中很容易发现用户的一些兴趣偏好，并以此为依据，向用户推荐他/她可能感兴趣的书籍。

二、现状

推荐系统运用十分广泛，最常见的可能就是电商网站上的推荐系统。国内如阿里旗下的淘宝、天猫等购物网站，同时网易云音乐在推荐系统方面也建树颇丰，往往能向用户推荐可满足其喜好的音乐。在图书推荐领域，国内外专家学者在其作品中也有涉及。如吉林大学李欣弘发表的《基于关联规则和情感分析的图书 推薦算法研究》中就介绍了利用关联规则和情感分析算法实现图书推荐，F.Heylighen的“Hebbian algorithms for a digital library recommandation system”等。但是相对其他领域，推荐算法在图书推荐方面的应用还是相对较少的。

三、关键技术介绍

1.基于KNN的协同过滤推荐算法

邻居模型通常又称为KNN模型（K-nearest neighbors），KNN算法的核心思想是：如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。……