摘要：社会的发展促使着各个领域的信息不断增多，而互联网与信息技术的出现又将这些信息聚集于网络中，形成海啸般的巨大信息流，冲击着人们的视觉。人们从信息匮乏的时代迈进了信息过载的时代。针对信息过载这一现象，个性化推荐系统顺势而生。

本文正是实现一个基于用户协同过滤算法的图书推荐系统，旨在帮助用户能够找到有潜在兴趣的书籍，为每个用户定制独一无二的推荐方案；同时也让部分长尾图书能够体现出自身的价值，获得更多用户的关注。

基于用户的协同过滤算法利用用户对物品的行为记录去计算用户间的相似度。在本文设计的系统中，通过分析用户对图书的评价打分行为去计算出用户之间的相似度，得到用户-图书的兴趣矩阵，最终完成了对用户的个性化推荐。但系统也存在一定缺陷，首先基于用户的协同过滤推荐算法具有用户冷启动问题，因此对于新用户，我采用了热门推荐代替个性化推荐，可这并没有从根本上解决冷启动问题。此外，由于图书数据量太少，数据的稀疏性问题也对算法的最终结果产生了影响。

关键词：信息过载  图书推荐系统  基于用户  个性化推荐

目录

摘要

Abstract

1.  绪论1

1.1 课题研究背景及意义1

1.1.1 研究背景1

1.1.2 研究意义1

1.2 国内外研究现状1

1.2.1国外研究现状1

1.2.2 国内研究现状1

1.3 课题研究内容及论文组织结构2

1.3.1 课题研究内容2

1.3.2 论文组织结构2

2.  推荐系统及算法介绍3

2.1 推荐系统概述3

2.2 推荐算法介绍3

2.2.1 基于用户的协同过滤算法3

2.2.2 基于物品的协同过滤算法6

2.2.3 基于物品的协同过滤算法与基于用户的协同过滤算法的综合比较7

2.3 本章小结7

3.  图书推荐系统需求分析8

3.1 系统必要性分析8

  3.2 系统可行性分析8 

  3.3 系统需求简述9

3.3.1 功能性需求9

3.3.2 非功能性需求10

3.4 系统用途10

3.5 开发环境10

3.6 本章小结10

4.  图书推荐系统详细设计11

4.1 系统架构11

4.2 功能模块12

4.2.1 热门推荐12

4.2.2 图书类别12

4.2.3 图书详情12

4.2.4 浏览记录12

4.2.5 借阅记录12

4.2.6 个性化推荐12

4.3 数据库设计13

4.3.1 E-R图设计13

4.3.2 数据库表设计16

4.4 图书推荐系统后台实现19

4.5 图书推荐系统网站实现22

4.6 本章小结26

5.  总结27

参考文献28

致谢29