一种基于用户聚类的图书推荐方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105760547A(43)申请公布日2016.07.13(21)申请号201610154471.7(22)申请日2016.03.16(71)申请人中山大学地址510006广东省广州市番禺区大学城中山大学东校区教学实验中心C401(72)发明人邓现陈湘萍(51)Int.Cl.G06F17/30(2006.01)G06K9/62(2006.01)权利要求书2页说明书7页附图3页(54)发明名称一种基于用户聚类的图书推荐方法及系统(57)摘要本发明公开了一种基于用户聚类的图书推荐方法及系统，其中，所述方法包括：对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型；对所述用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的隶属度；根据所述隶属度计算目标用户与所述各用户之间的相似度，获取与所述目标用户相似度较高的用户组成目标用户邻近集；根据所述目标用户邻近集的图书借阅情况向所述目标用户进行图书推荐；实施本发明实施例，通过对图书馆数据库保留的大量用户借阅记录进行分析得到用户偏好及需求快速向用户提供个性化图书推荐服务，提高了广大用户图书借阅服务的体验效果。CN105760547ACN105760547A权利要求书1/2页1.一种基于用户聚类的图书推荐方法，其特征在于，所述方法包括：对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型；对所述用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的隶属度；根据所述隶属度计算目标用户与所述各用户之间的相似度，获取与所述目标用户相似度较高的用户组成目标用户邻近集；根据所述目标用户邻近集的图书借阅情况向所述目标用户进行图书推荐。2.根据权利要求1所述的图书推荐方法，其特征在于，所述对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型，包括：对图书馆数据库进行数据爬虫处理，获取用户在所述图书馆的借阅记录；对所述借阅记录进行无效借阅记录剔除处理，获取用户有效借阅记录；对所述用户有效借阅记录进行归一化处理，获取归一化处理结果；根据所述归一化处理结果进行用户模型构建处理，获取所述用户模型。3.根据权利要求1所述的图书推荐方法，其特征在于，所述对所述用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的隶属度，包括：根据所述用户模型确定模糊聚类的聚类用户数目；根据所述用户数目进行模糊聚类，确定用户的聚类中心，获取所述聚类中心周围聚集的用户；采用用户隶属矩阵对所述聚类中心周围聚集的用户进行处理，获取各用户在聚类中心的隶属度。4.根据权利要求1所述的图书推荐方法，其特征在于，所述根据所述隶属度计算目标用户与所述各用户之间的相似度，获取与所述目标用户相似度较高的用户组成目标用户邻近集，包括：计算目标用户与所述各用户之间的相似度，获取计算结果；根据所述计算结果对用户相似度进行排序，获取排序结果；根据所述排序结果选择与所述目标用户相似度较高的用户组成目标用户邻近集。5.根据权利要求1所述的图书推荐方法，其特征在于，所述根据所述目标用户邻近集的图书借阅情况向所述目标用户进行图书推荐，包括：通过分析所述目标用户邻居集的图书借阅所属分类，获取所述目标用户感兴趣的图书类别；获取所述图书类别中的经典图书及新上架图书，将所述经典图书及所述新上架图书推荐给所述目标用户。6.一种基于用户聚类的图书推荐系统，其特征在于，所述系统包括：预处理模块：用于对图书馆数据库中用户的借阅记录进行预处理，根据预处理结果构建用户模型；聚类模块：用于对所述用户模型进行模糊聚类处理，获取用户聚类中心以及各用户在聚类中的隶属度；信息获取模块：用于根据所述隶属度计算目标用户与所述各用户之间的相似度，获取与所述目标用户相似度较高的用户组成目标用户邻近集；2CN105760547A权利要求书2/2页推荐模块：用于根据所述目标用户邻近集的图书借阅情况向所述目标用户进行图书推荐。7.根据权利要求6所述的图书推荐系统，其特征在于，所述预处理模块包括：信息提取单元：用于对图书馆数据库进行数据爬虫处理，获取用户在所述图书馆的借阅记录；过滤单元：用于对所述借阅记录进行无效借阅记录剔除处理，获取用户有效借阅记录；归一化单元：用于对所述用户有效借阅记录进行归一化处理，获取归一化处理结果；模型建立单元：用于根据所述归一化处理结果进行用户模型构建处理，获取所述用户模型。8.根据权利要求6所述的图书推荐系统，其特征在于，所述聚类模块包括：数据确定单元：用于根据所述用户模型确定模糊聚类的聚类用户数目；聚类单元：用于根据所述用户数目进行模糊聚类，确定用户的聚类中心，获取所述聚类中心周围聚集的用户；隶属处理单元：用于采用用户隶属矩阵对所述聚类