随着Internet的不断发展和普及,网络数据量的急剧增长使得信息超载问题日益突出,人们难以高效地获得所需信息。目前,搜索引擎与推荐系统已成为两种有效地解决信息超载的方法。然而,现有的推荐系统还面临着解释性较差、推荐内容单一、数据较稀疏等问题。知识图谱是目前国内外学者关注的一个热点问题,知识图谱是一种新型的基于语义的信息组织与查询技术,可以为各个学科提供新的研究方向。推荐系统和知识图谱相结合可以很好地克服传统推荐方法的不足,从而为推荐系统的发展提供新的思路。当前,随着互联网阅读应用平台的不断发展,读者在充分利用网上阅读的同时也越来越多地依靠图书推荐功能。对于阅读信息平台而言,如何在有限的时间内精准把握用户需求、识别用户当下兴趣为用户提供所需内容,是当前网络信息技术发展中亟待解决的一个重大课题。基于此背景,本文对基于用户动态兴趣和知识图谱的推荐系统在图书领域上的应用展开研究。首先,在豆瓣读书社会化标签的基础上提取用户兴趣的动态变化信息,综合考虑用户标注的频率和时间要素,利用兴趣强化和衰减相关指标表示用户对图书资源的兴趣度,构建用户动态兴趣模型以更准确地反映用户兴趣变化。其次,针对当前可用中文图书知识图谱匮乏的情况,展开基于豆瓣读书数据的图书知识图谱的组织工作,并将用户动态兴趣模型中的用户兴趣标签和中文图书知识图谱中的类型标签进一步关联,从而构建用户-图书知识图谱。最后,根据用户所处平台页面的不同采取相应的推荐策略并进行实证研究,即在信息详情页构建基于知识图谱实体相似度的推荐模型、在用户个人页构建基于倒排索引查询的推荐模型、在首页构建基于情景相似度的推荐模型。通过实证研究表明,本文的推荐方法比传统的协同过滤方法和传统的内容推荐方法具有更好的推荐性能。