随着计算机网络的发展和应用,越来越多的人们在网上书店,比如当当或卓越亚马逊等等,购买书籍和杂志。一方面读者在网上购书方便快捷,另一方面许多网上书店提供了良好的交互界面,它可以根据用户喜好或搜索条目推荐热门书籍。因此,对网上书店而言,根据图书数据库的条目和用户的喜好进行准确的热点书目个性化排名和推荐,不仅便于用户购买到最新的相关书籍和杂志;而且可以扩大图书销量,增加经济效益。为此本文基于数据挖掘的聚类分析方法提出一种基于用户评价习惯的个性化热点书目推荐方法。本文根据不同人群的消费习惯和对书籍的偏好等因素对网上书店的书目进行分类,把不同类型的书籍映射到不同类型的人群中,实现个性化的排序。在网上书店热门书籍个性化排名和推荐时,我们在传统的协同算法基础上,进行以下改进提高排名的准确性:(1)采用TF-IDF公式提取书目的关键词,将任意书目通过其文本叙述,转变为可以量化的特征向量,同时建立客户对于关键词的评价矩阵,为后续的推荐和相似度计算提供量化基础。(2)将数据挖掘中的聚类分析引入到客户群体的分析中,实现了不同类型客户对任意书目的评价预测打分。(3)提出一种结合历史购买记录的个性化推荐方法,将推荐书目的关键词特征向量与客户的书目偏好向量进行相似度对比,从而实现书目的个性化推荐。为了验证本文提出的方法,我们在一个网上书店web系统的数据上进行了实验检验和结果分析,将本文的方法与传统的KNN方法进行了对比,实验结果表明本文提出的方法在有限推荐数量的情况下大幅提高推荐的准确率和召回率。