论文部分内容阅读
随着网络的普及,互联网信息过载的时代已经来临。如何过滤掉无关、无用的信息,将用户感兴趣的信息直接呈现给用户,是互联网发展中一个非常重要的课题。在图书销售领域,亚马逊、当当网等网上书店都运用各种信息技术来改进图书推荐服务。但图书推荐服务系统仍存在较多的不足,如个性化推荐不精准问题、尚未实现智能化图书检索、社会化推荐不足等,这些问题都是亟待解决的。所以,文章针对这些不足,在推荐方法创新设计的基础上构建图书推荐服务系统,包括个性化推荐、智能化图书检索和社会化推荐三大内容。具体如下:其一,个性化推荐,包括基于内容和用户的联合推荐、基于读者和作者的联合推荐。前者以细分图书类别、细分相似用户群的方式来代替原来笼统的近邻用户计算方法,从而寻找更为相似的用户进行协同过滤推荐,包括同类别图书、不同类别图书和友邻的推荐。后者通过细分群的方式将读者档案与作者档案进行对比分析,寻找较为相似的读者和作者进行协同过滤。一方面向读者推荐作者及其作品,一方面向作者推荐读者及其可能感兴趣的其他图书类型以获得更多创作灵感。其二,智能化图书检索,包括智能化快速检索、基于关联规则优化的分类目录浏览检索。前者通过大数据挖掘技术对用户需求进行精准识别和分析,然后通过大数据和云计算技术对后台的海量信息资源进行精准匹配以实现智能化推荐,包括图书信息库、二次索引的答案库和人工协同的图书知道知识库。后者将用户在分类目录浏览的访问记录生产访问项目集,采用关联分析方法对其进行频繁项目集计算,从而将满足要求的关联规则应用到分类目录检索的主题排序优化中。其三,社会化推荐,包括独立社交网络建设、网络联盟推荐。前者极大改进了已有网上书店社交网络的功能,实现图书销售和社交网络的良性循环发展。后者将企业和个人都加入到网络联盟中,为书店带来更多客户流量。最后,鉴于系统实现的困难度较高和工作量太大等问题,文章通过调查问卷的方式进行系统的可行性分析,证实该系统的价值和优势,而且它的市场接受度是较高的。