[發明專利]一種基于圖書內容的圖書推薦方法有效

申請號：	201110447928.0	申請日：	2011-12-27
公開（公告）號：	CN102542046A	公開（公告）日：	2012-07-04
發明（設計）人：	韓軍	申請（專利權）人：	紐海信息技術(上海)有限公司
主分類號：	G06F17/30	分類號：	G06F17/30;G06Q30/02
代理公司：	暫無信息	代理人：	暫無信息
地址：	201203 上海市***	國省代碼：	上海;31
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于圖書內容推薦方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及計算機技術領域，尤其涉及到基于內容的圖書推薦方法。

背景技術

近年來，隨著計算機與網絡技術的進步，電子商務得到了快速發展，尤其是網上圖書零售發展十分迅速。網上圖書零售不但能給電子商務企業帶來可觀的收益，更重要的是能吸引人氣，帶來客戶流量，它已經成為大型電子商務企業的核心業務之一。

由于網上書店可以在網站上呈現比實體書店更多的內容，為了幫助客戶快速找到合適的圖書，同時也為了吸引客戶購買更多的圖書，需要采用圖書推薦系統自動為客戶生成圖書推薦。

目前，大多數的推薦系統都是針對商品類別進行分類，然后通過協同推薦或同類商品銷售排行來進行推薦。其缺點有二：第一，這些推薦系統都是針對百貨商品來分類的，沒有針對圖書內容做優化，僅僅只能將圖書照搬百貨商品的做法分門別類做推薦，導致推薦效果不佳；第二，其采用的協同推薦方法對于已經形成銷售規模，具備大量銷售數據的網站比較適用，但是對于剛剛上線的圖書網站，由于缺少交易數據，難以形成有效的推薦。另外，目前很多的推薦系統都沒有反映存貨情況，向用戶推薦的商品最終卻缺貨，顯然會大大降低用戶體驗。

發明內容

有鑒于此，一種能反映圖書內容，能夠結合庫存信息、促銷信息的圖書推薦方法是十分有益的。

為了解決上述問題，本發明提供了一種基于書名、作者、內容摘要、目錄等信息，并結合庫存數據和促銷信息的圖書推薦方法，其技術方案包括：

在新加入一本圖書時，首先獲取其內容信息，并將這些內容存為特征向量。比如，將書名存為特征向量d_t，將作者存為特征向量d_a，將內容摘要存為特征向量d_s，將目錄存為特征向量d_c。這些特征向量將進一步處理提取關鍵詞和權重，并用于圖書之間相關性計算的特征參數。

其次，針對上述4種特征向量分別進行特征詞的提取和特征詞的權重計算，計算結果表示為：

d＝(w₁，w₂，...，w_n)

其中，w_i代表特征詞i出現的次數也即特征詞i的權重；

然后，利用基于權重融合的余弦相似度函數來計算圖書間的相關性，計算公式如下：

C(B_x，B_y)＝a×sim(d_t，x，d_t，y)+b×sim(d_a，x，d_a，y)

??????+c×sim(d_s，x，d_s，y)+d×sim(d_c，x，d_c，y)

其中，C是圖書之間的相關度，B_x?B_y代表圖書x和y，sim(d_x，d_y)是余弦相似度函數，a、b、c、d是不同特征向量的權重；融合圖書的四種特征向量d_t、d_a、d_s、d_c得到圖書間基于內容的相關系數C。

接下來，根據和不同圖書之間相關系數C的大小，選取相關系數最大的N本圖書，得到該圖書的推薦列表L0。