随着各种计算机网络信息技术的不断进步与革新,互联网中越来越多的数据如图像、文本等信息资源得到了更多的共享,这也给人们的日常生活中无论生活工作方式还是娱乐方式都带来了极大的改变。而相应的,技术爆炸带来了信息的爆炸式增长,人们淹没在各种各样不同领域的信息海洋里,想要通过简单搜索和查找找到自己真正感兴趣或是要使用的内容也随之变得越来越难。所以为了解决信息超载问题,推荐系统成为了最有可行性的办法之一。目前在电商领域,推荐算法推荐系统的应用非常广泛。在各大网上书城上购书也成为了人们普遍采用的购书方式。目前网上书城大多数都在使用基于协同过滤的推荐算法,在面临冷启动和数据稀疏情况时略显乏力,本文针对网上书城的个性化推荐算法尝试提出改进,对图书推荐系统的框架,算法的改进进行了阐述说明,论文主要从以下几个方面进行了研究:1.建立了书籍语料库,使用Word2Vec中的跳词模型对自然语言建模从而得到词向量;使用卷积神经网络中在输入数据前对其进行预处理。相比现有语料库,本文的书籍语料库在对书籍资料输入数据的预处理方面得到效果有所提高。2.在现有模型的基础上改进了卷积神经网络模型,改进后的卷积神经网络模型在进行对书籍分类的工作时,相对于经典模型结果准确度有所提升。3.研究了基于卷积神经网络的推荐技术与基于协同过滤的推荐算法在实际中有效的组合、应用于推荐系统。改进后结合的推荐结果优于传统的基于协同过滤的推荐算法,并一定程度的缓解了如今传统推荐算法普遍存在的冷启动问题。4.实现一个图书推荐系统网页,使用Flask Web作为前端网页构架,包括登录、注册、浏览、推荐等页面;使用My SQL作后端的数据库来保存客户及图书信息。