[发明专利]一种图书信息推荐方法、装置、系统及存储介质

说明书

本发明公开了一种图书信息推荐方法、装置、系统以及计算机可读存储介质，通过获取过往所选图书信息；调用预先建立的关联规则数据库，关联规则数据库的建立过程包括：获取图书信息与用户数据；采用改进关联分析数据挖掘算法对图书信息与用户数据进行数据挖掘，挖掘支持度大于最小支持度阈值以及置信度大于最小置信度阈值的强关联规则，形成关联规则数据库；将过往所选图书信息与关联规则数据库进行关联匹配，按照匹配度生成推荐图书信息。本申请通过改进关联分析数据挖掘算法有效挖掘图书之间的强关联性，并利用挖掘信息结果为借阅者推荐与过往所选图书相关联的图书，能够准确挖掘图书关联信息，实现实时、高效个性化推荐。

技术领域

本发明涉及深度学习技术领域，更具体地说，涉及一种图书信息推荐方法、装置、系统以及计算机可读存储介质。

背景技术

随着图书的不断流通以及增加，借阅者以及图书信息的增加为图书管理增加了难度，高效地推荐图书信息对提高借阅者的学习效率以及图书管理效率都具有非常重要的作用。传统单机环境下的推荐系统无法满足大数据规模资源的存储与计算需求。对于推荐内容的计算，现有技术通过将推荐系统与Hadoop进行集成来解决海量数据计算的问题，但是采用该技术还存在诸多缺陷，无法满足实时、快速计算的需要，因而只适用于离线处理的应用场景。

因此，如何提供一种实时、高效地图书信息推荐技术，是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种图书信息推荐方法、装置、系统以及计算机可读存储介质，以解决现有推荐系统无法实时、高效推荐图书信息的问题。

为实现上述目的，本发明实施例提供了如下技术方案：

一种图书信息推荐方法，包括：

获取过往所选图书信息；

调用预先建立的关联规则数据库，所述关联规则数据库的建立过程包括：获取图书信息与用户数据；采用改进关联分析数据挖掘算法对所述图书信息与所述用户数据进行数据挖掘，挖掘支持度大于最小支持度阈值以及置信度大于最小置信度阈值的强关联规则，形成关联规则数据库；

将所述过往所选图书信息与所述关联规则数据库进行关联匹配，按照匹配度生成推荐图书信息。

可选地，所述采用改进关联分析数据挖掘算法对所述图书信息与所述用户数据进行数据挖掘，形成关联规则数据库包括：

将扫描数据库后的数据赋值给初始化后的矩阵D，从而获得布尔矩阵D1，所述布尔矩阵D1的行与列分别代表项I与事务T，在所述布尔矩阵D1的最后增加1列，该列对应的数值为每行中“1”的个数；当事务T1内含有“1”时，则T11＝1，否则T11＝0；将每行数据相加，确定最小支持度阈值；计算各项的支持度，如果某项的支持度小于所述最小支持度阈值,则删除该项所对应的矩阵列，从而获得频繁项集L；将频繁项集L自连接获取集合C，计算矩阵各行“1”的出现次数，进行“与”运算，求和后获得频繁项集L’，最终生成强关联规则数据库。

可选地，在所述采用改进关联分析数据挖掘算法对所述图书信息与所述用户数据进行数据挖掘之前还包括：

对所述图书信息与所述用户数据进行数据清洗、和/或数据转换、和/或数据集成操作。

可选地，所述获取图书信息与用户数据包括：

通过python的分布式爬取框架从目标网站上爬取所述图书信息与用户数据。

可选地，所述将所述过往所选图书信息与所述关联规则数据库进行关联匹配，按照匹配度生成推荐图书信息包括：

将所述过往所选图书信息与所述关联规则数据库进行关联匹配，按照匹配度的高低排序生成推荐图书目录。