基于“用戶畫(huà)像”挖掘的圖書(shū)推薦App設(shè)計(jì)

李大偉，杜洪波，周孝林，岳 賽，齊 飛

（沈陽(yáng)工業(yè)大學(xué) 理學(xué)院，遼寧 沈陽(yáng) 110870）

0 引言

隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，手機(jī)App呈現(xiàn)出爆炸式增長(zhǎng)[1]，逐漸改變著人們的生活習(xí)慣，App閱讀逐漸代替?zhèn)鹘y(tǒng)的紙質(zhì)讀物，導(dǎo)致網(wǎng)民通過(guò)手機(jī)看書(shū)的比例逐年上升。與此同時(shí)產(chǎn)生網(wǎng)名盲目閱讀書(shū)籍，閱讀消極書(shū)籍等問(wèn)題。鑒于現(xiàn)存問(wèn)題，形成一個(gè)新的服務(wù)——圖書(shū)推薦[2]。通過(guò)用戶平時(shí)的閱讀習(xí)慣進(jìn)行數(shù)據(jù)挖掘，為用戶推薦合適有價(jià)值的書(shū)籍，號(hào)召全民讀書(shū)。

1 圖書(shū)推薦App的總體設(shè)計(jì)

（1）館藏資源：功能包含書(shū)目檢索、熱門(mén)排行、分類瀏覽、新書(shū)通報(bào)、圖書(shū)推薦。圖書(shū)推薦功能是通過(guò)分析用戶歷史數(shù)據(jù)將用戶感興趣或者有價(jià)值的書(shū)籍推薦給用戶。

（2）個(gè)人中心：構(gòu)建讀者個(gè)人中心模塊，具體功能包含用戶信息、閱讀管理（包括閱讀歷史）、個(gè)性書(shū)單、我的書(shū)評(píng)、我的通知。個(gè)性書(shū)單模塊是根據(jù)某些書(shū)共同的特性將自己喜愛(ài)的書(shū)籍進(jìn)行分類，同時(shí)可以向其他用戶分享優(yōu)質(zhì)的書(shū)單?！拔业臅?shū)評(píng)”模塊可以將用戶讀后感進(jìn)行上傳，與其他人進(jìn)行共享。

（3）互動(dòng)平臺(tái)：包括好友推薦，群組討論、參與論壇、查看他人書(shū)評(píng)、與管理員進(jìn)行溝通等。好友推薦是通過(guò)運(yùn)用“用戶畫(huà)像”技術(shù)，分析用戶，為用戶推薦有相同愛(ài)好的好友，使得好友之間交流讀書(shū)心得，提高用戶閱讀興趣。

2 “用戶畫(huà)像”算法實(shí)現(xiàn)

“用戶畫(huà)像”是基于推薦算法實(shí)現(xiàn)的。在掌握用戶的信息和行為后，主動(dòng)為用戶推薦相關(guān)的信息。推薦算法的基本原理：（1）輸入基本數(shù)據(jù)，包括用戶信息（性別，年齡等）、用戶對(duì)書(shū)籍的評(píng)價(jià)、書(shū)籍的信息等；（2）通過(guò)數(shù)據(jù)源與推薦算法結(jié)合為用戶推薦相關(guān)書(shū)籍。推薦算法不同的數(shù)據(jù)源所用的算法不同，本文使用協(xié)同過(guò)濾推薦算法實(shí)現(xiàn)圖書(shū)推薦。

協(xié)同過(guò)濾推薦[3]（Collaborative Filtering recommendation，簡(jiǎn)稱CF），通過(guò)分析用戶興趣，在數(shù)據(jù)中尋找與該用戶興趣相似的用戶，綜合每個(gè)用戶對(duì)該物品的評(píng)價(jià)，形成該物品的“得分”既用戶對(duì)該物品的喜歡程度?；静襟E：（1）根據(jù)用戶的基本資料了解用戶的喜好；（2）構(gòu)造用戶之間的相識(shí)度；（3）為用戶進(jìn)行推薦[3-4]。

相似度計(jì)算[7]：

（1）歐幾里得相似性

（2）皮爾遜相似性

取值在[-1,1]之間

（3）Cosine相似度

協(xié)同過(guò)濾推薦分為基于用戶和基于物品[4]的，本文考慮到用戶的數(shù)量遠(yuǎn)遠(yuǎn)小于書(shū)籍的數(shù)量，于是使用基于用戶的協(xié)同過(guò)濾推薦算法描述：（1）計(jì)算相似度：將用戶對(duì)所有書(shū)籍的喜歡程度作為一個(gè)向量來(lái)計(jì)算用戶之間的相似度；（2）預(yù)測(cè)用戶可能喜歡的書(shū)籍：找到K鄰居后，根據(jù)鄰居相似度權(quán)重和他們對(duì)書(shū)籍的偏好進(jìn)行預(yù)測(cè)；（3）根據(jù)權(quán)重對(duì)書(shū)籍列表進(jìn)行排序，進(jìn)行推薦，如圖1所示。

圖1 協(xié)同過(guò)濾推薦算法Fig.1 Collab orative filtering recommendation algorithm

3 UI設(shè)計(jì)

基于“用戶畫(huà)像”挖掘的圖書(shū)推薦 App[8]不僅在算法上進(jìn)行研究，同時(shí)對(duì)界面進(jìn)行詳細(xì)設(shè)計(jì)，設(shè)計(jì)出善于操作的界面，下面就部分界面進(jìn)行介紹。

圖書(shū)推薦：通過(guò)“用戶畫(huà)像”算法進(jìn)行后臺(tái)分析，推薦符合讀者的書(shū)籍。通過(guò)使用 ImageButton控件將推薦書(shū)籍的封面進(jìn)行展示。將所有的 image-Button,統(tǒng)一放入 ScrollView中實(shí)現(xiàn)滑動(dòng)。點(diǎn)擊imageButton彈出對(duì)應(yīng)圖書(shū)的介紹，如圖2所示。

互動(dòng)平臺(tái)：如圖3所示，展示用戶對(duì)書(shū)的感受，上端是用ImageView控件制作的動(dòng)態(tài)切換頁(yè)面，實(shí)時(shí)進(jìn)行新聞動(dòng)態(tài)更新。中間是用itemlist控件將用戶發(fā)布的題目，時(shí)間，作者名，瀏覽量等信息顯式出來(lái)。最下端使用了 tabhost來(lái)選擇不同的板塊,包括互動(dòng)平臺(tái)，圖書(shū)推薦，如圖4所示。個(gè)人中心：如圖5所示，用listView控件顯式個(gè)人可操作的功能，點(diǎn)擊查看各種信息。包括個(gè)性書(shū)單，如圖6所示，我的書(shū)評(píng)，如圖7所示，薦購(gòu)歷史，如圖8所示等。

圖2 圖書(shū)推薦Fig.2 Book recommended

圖3 互動(dòng)平臺(tái)Fig.3 I nteractive platform

圖4 圖書(shū)推薦Fig.4 Lib rary resource

圖5 個(gè)人中心Fig.5 Personal center

圖6 個(gè)性書(shū)單Fig.6 Personality book

圖7 我的書(shū)評(píng)Fig.7 Individual review

4 結(jié)論

21世紀(jì)正處于信息化時(shí)代，互聯(lián)網(wǎng)+給人類帶來(lái)的便利有目共睹。十八大之后“提倡全名閱讀”的口號(hào)多次被國(guó)務(wù)院提出，全名閱讀已被列為國(guó)家戰(zhàn)略[5]。本文通過(guò)協(xié)同過(guò)濾推薦算法，對(duì)用戶的行為信息進(jìn)行分析，為用戶個(gè)性化推薦書(shū)籍，有效地滿足用戶個(gè)性薦購(gòu)需要和提高全民讀書(shū)[6]，實(shí)現(xiàn)互聯(lián)網(wǎng)+[11]文化。

[1] 葉剛峰. 基于APP數(shù)據(jù)的標(biāo)簽提取與整合[D]. 浙江大學(xué),2017.

[2] 田丹. 我國(guó)移動(dòng)圖書(shū)館APP應(yīng)用現(xiàn)狀分析[J]. 國(guó)家圖書(shū)館學(xué)刊, 2015, 24(5): 74-80.

[3] IT獨(dú)白者. 基于用戶的協(xié)同過(guò)濾算法和基于物品的協(xié)同過(guò)濾算法之java實(shí)現(xiàn)[EB/OL]. http://blog.csdn.net/sun_wangdong/article/details/54728909. 2017-01-25

[4] Flying_sfeng. 基于物品的協(xié)同過(guò)濾算法itemCF原理及python代碼實(shí)現(xiàn)[EB/OL]. https://blog.csdn.net/Flying_sfeng/article/details/56280872. 2017-02-21

[5] 常馨月. 公共移動(dòng)圖書(shū)館個(gè)性化薦讀服務(wù)模型構(gòu)建[D].吉林大學(xué), 2017.

[6] 唐小新, 李高虎, 唐秋鴻, 曹紅兵, 高嵩. 高校圖書(shū)館個(gè)性化電子圖書(shū)薦購(gòu)系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[J]. 現(xiàn)代圖書(shū)情報(bào)技術(shù), 2012(3): 83-88.

[7] 榮輝桂, 火生旭, 胡春華, 莫進(jìn)俠. 基于用戶相似度的協(xié)同過(guò)濾推薦算法[J]. 通信學(xué)報(bào), 2014, 35(2): 16-24.

[8] 胡媛, 毛寧. 基于用戶畫(huà)像的數(shù)字圖書(shū)館知識(shí)社區(qū)用戶模型構(gòu)建[J]. 圖書(shū)館理論與實(shí)踐, 2017(4): 82-85+97.

[9] 陳慧香, 邵波. 國(guó)外圖書(shū)館領(lǐng)域用戶畫(huà)像的研究現(xiàn)狀及啟示[J]. 圖書(shū)館學(xué)研究, 2017(20): 16-20.

[10] 張興旺, 李晨暉. “互聯(lián)網(wǎng)+圖書(shū)館”頂層設(shè)計(jì)相關(guān)問(wèn)題研究[J]. 圖書(shū)與情報(bào), 2015(5): 33-40.

[11] 劉芳. “互聯(lián)網(wǎng)+公共圖書(shū)館”: 服務(wù)創(chuàng)新與轉(zhuǎn)型發(fā)展[J].圖書(shū)館雜志, 2016, 35(8): 42-48.