[发明专利]一种图书推荐方法

说明书

技术领域

本发明涉及一种图书推荐方法，属于网络应用技术领域。 

背景技术

随着移动、互联网技术的飞速发展，图书的数字化成为一个必然趋势。越来越多的图书阅读平台受到了用户的高度关注，并取得了迅猛发展，已经成为人们获取信息和知识的重要途径。 

图书阅读平台上通常拥有海量的数字图书资源，如何有效地利用这些丰富而宝贵的资源，让用户能够更快捷地找到并充分地利用它们就显得非常重要，因此图书的个性化智能推荐是图书阅读平台的一个很重要的功能。 

目前图书阅读平台在图书推荐中所广泛采用的方式包括有： 

1、基于图书分类或类型的推荐方法，通过图书分类，将与用户已读图书同分类或者同类型的图书向用户推荐，这种方法没有考虑到图书的内容主题和关键词；

2、基于图书内容的推荐方法，采用TF-IDF（词频-反文档频率，即term frequency – inverse document frequency）公式等进行基于图书文本内容的推荐，由于图书阅读平台中许多图书是虚构或者原创类图书，其中涉及到的主人公和事件等都是虚构的，因而基于文本内容的推荐方法的适用性不好，不能为用户推荐出更符合用户喜好的图书以提高用户的满意度，其性能和用户体验不佳。

因此，如何根据图书的内容以及用户的阅读喜好，向用户进行图书的个性化推荐，仍是一个急需要解决的技术难题。 

发明内容

有鉴于此，本发明的目的是提供一种图书推荐方法，能根据图书的内容以及用户的阅读喜好，向用户进行图书的个性化推荐。 

为了达到上述目的，本发明提供了一种图书推荐方法，所述方法包括有： 

步骤A、根据图书的作者、三级分类、四级分类和通用标签，构建图书库中每本图书的图书标签向量；

步骤B、根据用户的图书阅读记录中所有已深度阅读图书的作者、三级分类、四级分类、通用标签及其分别对应的权重值，建立每个用户的文本标签向量；

步骤C、根据图书的图书标签向量中作者、三级分类、四级分类、通用标签分别在用户的文本标签向量中对应的权重值，计算图书库中所有图书对应于每位用户的标签得分。

与现有技术相比，本发明的有益效果是：本发明根据图书阅读平台的特点，利用用户的图书深度阅读记录为基础来评价其对图书作者、三级分类、四级分类及通用标签的喜好程度，并据此形成相应的作者、三级分类、四级分类及通用标签权重向量，从而建立所有用户的文本标签向量；为了在图书和用户之间建立相应的联系，根据图书的作者、三级分类、四级分类、通用标签这些基本信息，建立图书库中所有图书的图书标签向量；通过图书的图书标签向量和用户的文本标签向量的匹配度计算，以及权重设置，最后获得所有图书相对于用户喜好的标签得分，即推荐图书的优先级，将标签得分最高的图书向用户推荐，从而为用户推荐出更符合用户喜好的图书，提高用户的满意度，改善用户体验。 

附图说明

图1是本发明一种图书推荐方法流程图。 

图2是图1步骤C中，计算第i本图书对应于第j位用户的标签得分的具体操作流程图。 

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明作进一步的详细描述。 

如图1所示，本发明一种图书推荐方法，包含有： 

步骤A、根据图书的作者、三级分类、四级分类和通用标签，构建图书库中每本图书的图书标签向量；

步骤B、根据用户的图书阅读记录中所有已深度阅读图书的作者、三级分类、四级分类、通用标签及其分别对应的权重值，建立每个用户的文本标签向量；

步骤C、根据图书的图书标签向量中作者、三级分类、四级分类、通用标签分别在用户的文本标签向量中对应的权重值，计算图书库中所有图书对应于每位用户的标签得分；

步骤D、比较图书库中所有图书对应于每位用户的标签得分，并根据用户的图书阅读记录过滤用户已阅读图书，最后将标签得分最高的若干本图书向所述用户推荐。