随着网购平台发展越来越迅猛,网上购物人群也逐渐增多,网上购书成了读者购买书籍的重要方式之一。如何提高用户购书体验,吸引越来越多的用户在网购平台购买书籍,成为网购平台发展过程中最大的挑战。本文中基于用户画像的个性化书籍推荐可以为用户推荐用户所喜欢的书籍,使用户在购买书籍时能够有更多的选择,挑选到自己称心如意的书籍。本文对用户在网购平台购买书籍时留下的各类信息进行详细分析,通过改进当下流行的基于内容的推荐算法,改进后的推荐算法将用户的个人信息、对书籍的评价信息和对书籍的评分预测结合起来,建立用户画像模型,最终达到为用户精准推荐书籍的效果。本文主要工作包括:(1)介绍推荐领域中经典的基于内容的推荐算法,将该算法运用到书籍购买这个特殊的场景中,分析算法在此场景中的优缺点,并根据数据集中各项信息提出算法详细改进方案。(2)对改进后基于内容的推荐算法做详细描述,改进后的算法中新增了新用户相似度计算和书籍评分预测法,解决了当新用户第一次来到该网购平台购买书籍时的推荐问题和老用户对书籍的评分预测问题。(3)通过用户画像概念介绍,分析用户画像在该购书场景下需要设计的维度。对用户画像的建模流程,算法与数据如何结合的问题进行详细描述,最终得到用户画像模型。(4)对数据集进行分析和预处理,将处理后的数据集分别运用到改进前和改进后的基于内容的推荐算法中,对结果进行对比,实验表明改进后基于内容的推荐算法推荐算法比改进前基于内容的推荐算法推荐率和召回率都要高。