CN117407594B - 一种图书信息推荐系统 - Google Patents

Abstract

本发明涉及一种图书信息推荐系统，尤其涉及信息处理技术领域，所述系统包括，信息获取模块，用以获取用户信息和图书信息，关联度分析模块，用以根据用户借阅图书的图书标签和借阅图书次数分析用户对各类图书标签的关联度，关联度调整模块，用以对各类图书标签的关联度的分析过程进行调整，线性计算模块，用以根据各类图书标签的关联度计算图书馆图书的图书推荐度，图书推荐模块，用以根据各类图书标签的关联度对推荐书单进行分析，并将推荐书单作为输出方案进行输出，推荐调整模块，对图书推荐的过程进行调整，反馈分析模块，用以对下一监测周期用户的关联度分析过程进行校正。本发明有效提高了图书馆的图书推荐效率。

Description

一种图书信息推荐系统

技术领域

本发明涉及信息处理技术领域，尤其涉及一种图书信息推荐系统。

背景技术

随着互联网的发展，人们获取信息的方式越来越多样化，尤其是图书信息的获取。然而，面对海量的图书信息，如何快速找到自己感兴趣的图书成为了一个问题。目前，市场上的图书推荐系统大多基于用户的购买历史、评分等数据进行推荐，这种方式虽然能够在一定程度上满足用户的需求，但是忽视了用户的阅读习惯、兴趣爱好等因素，导致推荐结果的准确性不高。

中国专利公开号：CN106202184A公开了一种面向高校图书馆的图书个性化推荐方法和系统；该发明公开了一种面向高校图书馆的图书个性化推荐的方法，解决高校图书馆现有的图书推荐算法中大规模数据存储和查询、可扩展性及推荐效果差的问题，其基本思路如下：首先将图书馆内的读者和图书等作为节点，构建图模型；其次，将读者的操作日志文件转化为读者-图书类别偏好矩阵，和读者个人信息矩阵一起计算读者间的相似度，并把这些操作和挖掘出的信息作为边构建关联图谱；其次，将关联图谱和谱聚类相结合，提出了一种新的图书个性化推荐模型，计算得到关于读者的类簇分布；最后，当需要进行图书推荐时，在该读者对应的类簇中根据协同过滤算法计算出推荐图书列表；由此可见该发明未对图书的相关性进行分析，无法对用户未表露出的兴趣图书种类作出有效推荐，存在图书推荐效率低的问题。

发明内容

为此，本发明提供一种图书信息推荐系统，用以克服现有技术中对用户进行图书推荐的推荐效率低的问题。

为实现上述目的，本发明提供一种图书信息推荐系统，包括，

信息获取模块，用以获取用户信息和图书信息；

关联度分析模块，用以根据用户借阅图书的图书标签和借阅图书次数分析用户对各类图书标签的关联度；

关联度调整模块，用以根据用户的图书借阅平均时间对各图书标签的关联度集合的计算过程进行调整，还用以根据用户阅读频率对各图书标签的关联度集合的调整过程进行优化；

线性计算模块，用以根据各类图书标签的关联度计算图书馆图书的图书推荐度；

图书推荐模块，用以根据各类图书标签的关联度对推荐书单进行分析，并将推荐书单作为输出方案进行输出；

推荐调整模块，用以根据浏览借阅平均比例对推荐书单的过程进行调整，还用以根据图书库存量对调整推荐书单的过程进行优化；

反馈分析模块，用以根据监测周期内用户借阅图书比例对下一监测周期用户的关联度分析过程进行校正。

进一步地，所述关联度分析模块设有统计计算单元，所述统计计算单元用以将借阅图书的图书标签进行统计，其中：

所述统计计算单元分别计算格各类图书标签包含的具体类别的出现频率，并根据各类图书标签包含的具体类别的出现频率计算各类图书标签的方差σ，其中，图书类别标签方差σ1的计算公式如下：

k11=b11/n，k12=b12/n，...，k1m=b1m/n；

σ1={[k11-（k11+k12+...+k1m）/j]²+[k12-（k11+k12+...+k1m）/j]²+...+[k1m-（k11+k12+...+k1m）/j]²}/j；

其中，b11是图书类别标签下第一类具体类别出现的次数，b12是图书类别标签下第二类具体类别出现的次数，b1m是图书类别标签下第m类具体类别出现的次数，k11是图书类别标签下第一类具体类别出现的频率，k12是图书类别标签下第二类具体类别出现的频率，m是图书类别标签下的具体类别数量，k1m是图书类别标签下第m类具体类别出现的频率，j是用户的借阅图书次数。

进一步地，所述关联度分析模块还设有统计分析单元，所述统计分析单元用以将统计得到的各类图书标签具体类别出现频率方差σi与预设方差值Σ进行比对，设定i=1,2，3，4，其中：

当σi＞Σ时，所述统计分析单元判定用户对σi所对应的图书标签具有强关联性，并设置σi所对应的图书标签的关联度集合{ki1，ki2，...，kim}；

当σi＜Σ时，所述统计分析单元判定σi所对应的图书标签对用户具有弱关联性，不设置σi所对应的图书标签的关联度集合。

进一步地，所述关联度调整模块设有第一调整单元，所述第一调整单元用以将图书借阅平均时间t与各预设图书借阅时间进行比对，并根据比对结果对关联度集合的计算过程进行调整，其中：

当t＜T1时，所述第一调整单元判定用户此次借阅阅读时间短，并将预设方差值Σ调整为Σ’，设定Σ’=Σ×ln（1+T1-t）；

当T1≤t≤T2，所述第一调整单元判定用户此次借阅是时间正常，不进行调整；

当t≥T2时，所述第一调整单元判定用户此次借阅阅读时间长，并将预设方差值Σ调整为Σ”，设定Σ”=Σ×ln（1+T2-t）；

其中，T1是第一预设图书借阅时间，T2是第二预设图书借阅时间，T1＜T2。

进一步地，所述关联度调整模块设有第一优化单元，所述第一优化单元用以将用户阅读频率v对各预设用户阅读频率进行比对，并根据比对结果对各图书标签的关联度集合的调整过程进行优化，其中：

当v＜V1时，所述第一优化单元判定监测周期内用户阅读频率低，并将第二预设图书借阅时间T2优化为T2’，设定T2’=T×e^V1-v；

当V1≤v≤V2时，所述第一优化单元判定监测周期内用户阅读频率正常，不进行优化；

当v≥V2时，所述第一优化单元判定监测周期内用户阅读频率高，并将第二预设图书借阅时间T2优化为T2”，设定T2”=T×e^V2-v。

进一步地，所述线性计算模块根据各类图书标签与用户的关联性对各类图书标签设置权重值，其中：

所述线性计算模块根据各类图书标签具体类别出现频率方差σi计算各类图书标签的权重值，图书标签所对应的权重值的计算公式如下：

ci=（σi-σ_min）/（σ_max-σ_min）；

其中，c1是图书类别标签的权重值，c2是图书主体标签的权重值，c3是图书作者标签的权重值，c4是图书评分标签的权重值，σ_max是各类图书标签具体类别出现频率方差的最大值，σ_min是各类图书标签具体类别出现频率方差的最小值；

所述线性计算模块根据所述各类图书标签关联度集合和各类图书标签的权重值计算图书推荐度，图书推荐度的计算公式如下：

F=c1×s1+c2×s2+c3×s3+c4×s4；

其中，s1是图书类别标签下具体类别的关联度，s2是图书主体标签下具体类别的关联度，s3是图书作者标签下具体类别的关联度，s4是图书作者标签下具体类别的关联度；

所述线性计算模块根据图书推荐度将图书馆图书进行排序。

进一步地，所述图书推荐模块将所述图书推荐度y与预设推荐度Y进行比对，并根据比对结果选取图书纳入推荐书单，其中：

当y＜Y或该图书已被该用户借阅时，所述图书推荐模块判定该图书的图书推荐度低，不纳入推荐书单；

当y≥Y且该图书未被该用户借阅时，所述图书推荐模块判定该图书的图书推荐度符合推荐图书的要求，将该图书纳入推荐书单。

进一步地，所述推荐调整模块设有第二调整单元，所述第二调整单元用以将推荐书单中图书被浏览借阅平均比例cs与浏览借阅比例阈值CS进行比对，并根据比对结果对选取推荐书单的过程进行调整，其中：

当cs＜CS时，所述第二调整单元判定图书被浏览次数正常；

当cs≥CS时，所述第二调整单元判定图书被浏览次数高，将此图书从推荐书单中删除，并将预设推荐度调整为Y’，设定Y’=Y×[1+arctan（CS-cs）]。

进一步地，所述推荐调整模块还设有第二优化单元，所述第二优化单元用以将推荐书单中图书库存量kc与各预设图书库存量进行比对，并根据比对结果对推荐图书书单的调整过程进行优化，其中：

当kc＜KC1时，所述第二优化单元判定此图书库存少，并将借阅比例阈值CS优化为CS’，设定CS’=CS×sin[ln（KC1-kc）]；

当KC1≤kc≤KC2时，所述第二优化单元判定此图书库存正常，不进行优化；

当kc＞KC2时，所述第二优化单元判定此图书库存充足，并将借阅比例阈值CS优化为CS”，设定CS”=CS×{1+sin[ln（kc-KC2）]}；

其中，KC1是第一预设图书库存量，KC2是第二预设图书库存量，KC1＜KC2。

进一步地，所述反馈分析模块将监测周期内用户借阅图书比例u与借阅图书阈值U进行比对，并根据比对结果对下一监测周期的关联度分析过程进行校正，其中：

当u＜U时，所述反馈分析模块判定当前监测周期内用户借阅图比例低，并将下一监测周期第一预设图书借阅时间校正为T1’，设定T1’=T1×（1-U+u）²；

当u≥U时，所述反馈分析模块判定当前监测周期内用户借阅图书比例正常，不进行校正。

与现有技术相比，本发明的有益效果在于，本实施例通过所述信息获取模块对本系统所需信息的获取提高了信息获取的完整性和准确性，进而提高了用户对图书标签关联度集合分析的准确性，从而提高了本系统图书推荐的准确性，最终提高了图书推荐效率，通过所述关联度分析模块对用户与图书标签的关联度进行分析，以判断用户用来选择借阅图书的图书标签，提高了用户对图书标签关联度集合分析的准确性，从而提高了本系统图书推荐的准确性，最终提高了图书推荐效率，通过所述关联度调整模块对关联度分析的过程进行调整，以提高了用户对图书标签关联度集合分析的准确性，从而提高了本系统图书推荐的准确性，最终提高了图书推荐效率，通过所述线性计算模块根据关联度计算图书推荐度，以提高图书推荐的准确性，最终提高了图书推荐效率，通过所述图书推荐模块选取推荐图书纳入推荐书单，提高了推荐书单的准确性，进而提高了图书推荐效率，通过所述推荐调整模块对选取图书作为推荐图书的过程进行调整，提高了推荐书单的准确性，进而提高了图书推荐效率，通过所述反馈分析模块对监测周期内借阅推荐图书比例对下一监测周期关联度分析的过程进行校正，提高了推荐书单的准确性，进而提高了图书推荐效率。

附图说明

图1为本实施例图书信息管理系统的结构示意图；

图2为本实施例关联度分析模块的结构示意图；

图3为本实施例关联度调整模块的结构示意图；

图4为本实施例推荐调整模块的结构示意图。

具体实施方式

为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。

需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

请参阅图1所示，其为本实施例图书信息推荐系统的结构示意图，包括，信息获取模块，用以获取用户信息和图书信息，所述用户信息包括用户借阅图书、借阅图书次数、借阅图书平均时间，所述借阅图书平均时间是用户借阅图书到归还图书的时间的平均值，所述图书信息包括图书标签和图书库存量，所述图书标签包括图书类别标签、图书主体标签、图书作者标签、图书评分标签；本实施例中不对图书标签的数量作具体限定，本领域技术人员可以自由设置，只需满足图书标签数量的数量要求即可，如图书标签的数量可以为4种、5种、6种等；本实施例中图书类别标签可以包括小说、科幻、历史、传记等，图书主体标签可以包括爱情、冒险、悬疑、成长等，图书作者标签可以包括J.K.罗琳、乔治·马丁、史蒂芬·金等，图书评分标签可以包括1星、2星、3星、4星等；本实施例中，不对用户信息和图书信息的获取方式作具体限定，本领域技术人员可以自由设置，只需满足用户信息和图书信息的获取的获取要求即可，如可以从图书馆的借阅系统中获取；

关联度分析模块，用以根据用户借阅图书的图书标签和借阅图书次数分析用户对各类图书标签的关联度，关联度分析模块与所述信息获取模块连接；

关联度调整模块，用以根据用户图书借阅平均时间和用户阅读频率对各类图书标签的关联度的分析过程进行调整，关联度调整模块与所述关联度分析模块连接；

线性计算模块，用以根据各类图书标签的关联度计算图书馆图书的图书推荐度，线性计算模块与所述关联度调整模块连接；

图书推荐模块，用以根据各类图书标签的关联度对推荐书单进行分析，并将推荐书单作为输出方案进行输出，图书推荐模块与所述线性计算模块连接；

推荐调整模块，用以根据浏览借阅平均比例对推荐书单的过程进行调整，还用以根据图书库存量对调整推荐书单的过程进行优化，推荐调整模块与所述图书推荐模块连接，所述浏览借阅平均比例是推荐书单中图书被借阅次数占浏览次数的比例的平均值，所述图书库存量是推荐书单中图书馆的库存量；本实施例不对浏览借阅平均比例和图书库存量的获取方式作具体限定，本领域技术人员可以自由设置，只需满足浏览借阅平均比例和图书库存量的获取要求即可，如可以从图书馆的管理系统中获取；

反馈分析模块，用以根据监测周期内用户借阅图书比例对下一监测周期用户的关联度分析过程进行校正，反馈分析模块与所述推荐调整模块连接，所述借阅图书比例是用户借阅图书占推荐书单总图书数量的比例；本实施例中，不对监测周期的取值作具体限定，本领域技术人员可以自由设置，只需满足监测周期的取值要求即可，如可以将监测周期设为30天、45天、60天等。

请参阅图2所示，其为本实施例关联度分析模块的结构示意图，包括，

统计计算单元，用以根据用户借阅图书的图书标签和用户借阅次数计算各类图书标签包含的具体类别的出现频率的方差，所述具体类别是各类图书标签中的具体种类；

统计分析单元，用以根据各类图书标签包含的具体类别的出现频率的方差计算用户对各图书标签的关联度集合，统计分析单元与所述统计计算单元连接。

请参阅图3所示，其为本实施例关联度调整模块的结构示意图，包括，

第一调整单元，用以根据用户的图书借阅平均时间对各图书标签的关联度集合的计算过程进行调整；

第一优化单元，用以根据用户阅读频率对各图书标签的关联度集合的调整过程进行优化，第一优化单元与所述第一调整单元连接。

请参阅图4所示，其为本实施例推荐调整模块的结构示意图，包括，

第二调整单元，用以根据浏览借阅平均比例对推荐书单的过程进行调整；

第二优化单元，用以根据图书库存量对调整推荐书单的过程进行优化，第二优化单元与所述第二调整单元连接。

具体而言，本实施例所述系统应用于图书馆的线上图书信息推荐，本实施例通过对用户阅读图书进行分析，得到用户对图书标签的关联度，通过用户对图书标签的关联度计算图书推荐度，并根据图书推荐度对用户进行图书推荐，进而根据借阅占推荐图书的比例对关联度分析的过程进行补充。

具体而言，本实施例通过所述信息获取模块对本系统所需信息的获取提高了信息获取的完整性和准确性，进而提高了用户对图书标签关联度集合分析的准确性，从而提高了本系统图书推荐的准确性，最终提高了图书推荐效率，通过所述关联度分析模块对用户与图书标签的关联度进行分析，以判断用户用来选择借阅图书的图书标签，提高了用户对图书标签关联度集合分析的准确性，从而提高了本系统图书推荐的准确性，最终提高了图书推荐效率，通过所述关联度调整模块对关联度分析的过程进行调整，以提高了用户对图书标签关联度集合分析的准确性，从而提高了本系统图书推荐的准确性，最终提高了图书推荐效率，通过所述线性计算模块根据关联度计算图书推荐度，以提高图书推荐的准确性，最终提高了图书推荐效率，通过所述图书推荐模块选取推荐图书纳入推荐书单，提高了推荐书单的准确性，进而提高了图书推荐效率，通过所述推荐调整模块对选取图书作为推荐图书的过程进行调整，提高了推荐书单的准确性，进而提高了图书推荐效率，通过所述反馈分析模块对监测周期内借阅推荐图书比例对下一监测周期关联度分析的过程进行校正，提高了推荐书单的准确性，进而提高了图书推荐效率。

具体闻言，所述统计计算单元将借阅图书的图书标签进行统计，其中：

所述统计计算单元分别计算格各类图书标签包含的具体类别的出现频率，并根据各类图书标签包含的具体类别的出现频率计算各类图书标签的方差σ，其中，图书类别标签方差σ1的计算公式如下：

k11=b11/n，k12=b12/n，...，k1m=b1m/n；

σ1={[k11-（k11+k12+...+k1m）/j]²+[k12-（k11+k12+...+k1m）/j]²+...+[k1m-（k11+k12+...+k1m）/j]²}/j；

其中，b11是图书类别标签下第一类具体类别出现的次数，b12是图书类别标签下第二类具体类别出现的次数，b1m是图书类别标签下第m类具体类别出现的次数，k11是图书类别标签下第一类具体类别出现的频率，k12是图书类别标签下第二类具体类别出现的频率，m是图书类别标签下的具体类别数量，k1m是图书类别标签下第m类具体类别出现的频率，j是用户的借阅图书次数；

所述关联度分析模块对图书主体标签的方差σ2、图书作者标签的方差σ3、图书评分标签的方差σ4的计算过程同σ1。

具体而言，所述统计计算单元通过对用户借阅图书的图书标签进行分析，以得到用户对各类图书标签的方差，提高了用户对图书标签的关联度计算的准确性，进而提高了用户图书推荐度的准确性，从而提高了系统推荐书单的准确性，最终提高了图书推荐的效率。

具体而言，所述统计分析单元将统计得到的各类图书标签具体类别出现频率方差σi与预设方差值Σ进行比对，设定i=1,2，3，4，其中：

当σi＞Σ时，所述统计分析单元判定用户对σi所对应的图书标签具有强关联性，并设置σi所对应的图书标签的关联度集合{ki1，ki2，...，kim}；

当σi＜Σ时，所述统计分析单元判定σi所对应的图书标签对用户具有弱关联性，不设置σi所对应的图书标签的关联度集合。

具体而言，所述统计分析单元通过对各类图书标签的方差进行分析，以判断用户对各类图书标签的关联性，提高了设置关联度集合的准确性和效率，进而提高了用户图书推荐度的准确性，从而提高了系统推荐书单的准确性，最终提高了图书推荐的效率，可以理解的是，本实施例中不对预设方差值Σ的取值作具体限定，本领域技术人员可以自由设置，只需满足预设方差值Σ的取值要求即可，如可以将预设方差值Σ设为0.02。

具体而言，所述第一调整单元将图书借阅平均时间t与各预设图书借阅时间进行比对，并根据比对结果对关联度集合的计算过程进行调整，其中：

当t＜T1时，所述第一调整单元判定用户此次借阅阅读时间短，并将预设方差值Σ调整为Σ’，设定Σ’=Σ×ln（1+T1-t）；

当T1≤t≤T2，所述第一调整单元判定用户此次借阅是时间正常，不进行调整；

当t≥T2时，所述第一调整单元判定用户此次借阅阅读时间长，并将预设方差值Σ调整为Σ”，设定Σ”=Σ×ln（1+T2-t）；

其中，T1是第一预设图书借阅时间，T2是第二预设图书借阅时间，T1＜T2。

具体而言，所述第一调整单元通过对用户借阅时间进行分析，以通过用户阅读时间对关联度的分析过程进行调整，提高了设置关联度集合的准确性和效率，进而提高了用户图书推荐度的准确性，从而提高了系统推荐书单的准确性，最终提高了图书推荐的效率，可以理解的是，本实施例不对第一预设图书借阅时间T1和第二预设图书借阅时间T2的取值作具体限定，本领域技术人员可以自由设置，只需满足第一预设图书借阅时间T1和第二预设图书借阅时间T2的取值要求即可，如可以将第一预设图书借阅时间T1设为1天，将第二预设图书借阅时间T2设为20天。

具体而言，所述第一优化单元将用户阅读频率v对各预设用户阅读频率进行比对，并根据比对结果对各图书标签的关联度集合的调整过程进行优化，其中：

当v＜V1时，所述第一优化单元判定监测周期内用户阅读频率低，并将第二预设图书借阅时间T2优化为T2’，设定T2’=T×e^V1-v；

当V1≤v≤V2时，所述第一优化单元判定监测周期内用户阅读频率正常，不进行优化；

当v≥V2时，所述第一优化单元判定监测周期内用户阅读频率高，并将第二预设图书借阅时间T2优化为T2”，设定T2”=T×e^V2-v；

其中，V1是第一预设用户阅读频率，V2是第二预设用户阅读频率，V1＜V2。

具体而言，所述第一优化单元通过对用户阅读频率进行分析，以通过用户阅读时间对关联度集合的调整过程进行优化，提高了设置关联度集合的准确性和效率，进而提高了用户图书推荐度的准确性，从而提高了系统推荐书单的准确性，最终提高了图书推荐的效率，可以理解的是，本实施例不对第一预设用户阅读频率V1和第二预设用户阅读频率V2的取值作具体限定，本领域技术人员可以自由设置，只需满足第一预设用户阅读频率V1和第二预设用户阅读频率V2的取值作具体限定的取值要求即可，如可以将第一预设用户阅读频率V1设为1本/月，将第二预设用户阅读频率V2设为7本/月。

具体而言，所述线性计算模块根据各类图书标签与用户的关联性对各类图书标签设置权重值，其中：

所述线性计算模块根据各类图书标签具体类别出现频率方差σi计算各类图书标签的权重值，图书标签所对应的权重值的计算公式如下：

ci=（σi-σ_min）/（σ_max-σ_min）；

其中，c1是图书类别标签的权重值，c2是图书主体标签的权重值，c3是图书作者标签的权重值，c4是图书评分标签的权重值，σ_max是各类图书标签具体类别出现频率方差的最大值，σ_min是各类图书标签具体类别出现频率方差的最小值；

所述线性计算模块根据所述各类图书标签关联度集合和各类图书标签的权重值计算图书推荐度，图书推荐度的计算公式如下：

F=c1×s1+c2×s2+c3×s3+c4×s4；

其中，s1是图书类别标签下具体类别的关联度，s2是图书主体标签下具体类别的关联度，s3是图书作者标签下具体类别的关联度，s4是图书作者标签下具体类别的关联度；

所述线性计算模块根据图书推荐度将图书馆图书进行排序。

具体而言，所述线性计算模块通过根据各类图书标签关联度集合计算图书推荐度，以提高图书推荐的过程的准确性，进而提高了系统推荐书单的准确性，最终提高了图书推荐的效率，通过对各类图书标签设置权重，提高了图书推荐度的合理性进行，进而提高了系统推荐书单的准确性，最终提高了图书推荐的效率。

具体而言，所述图书推荐模块将所述图书推荐度y与预设推荐度Y进行比对，并根据比对结果选取图书纳入推荐书单，其中：

当y＜Y或该图书已被该用户借阅时，所述图书推荐模块判定该图书的图书推荐度低，不纳入推荐书单；

当y≥Y且该图书未被该用户借阅时，所述图书推荐模块判定该图书的图书推荐度符合推荐图书的要求，将该图书纳入推荐书单。

具体而言，所述图书推荐模块通过对图书推荐度和用户借阅图书进行分析，以选取可作为推荐图书的图书，并以此组成推荐书单，提高了系统推荐书单的准确性，从而提高了图书推荐的效率，可以理解的是，本实施例中不对预设推荐度Y的取值作具体限定，本领域技术人员可以自由设置，只需满足预设推荐度Y的取值要求即可，如可以将预设推荐度Y设为。

具体而言，所述第二调整单元将推荐书单中图书被浏览借阅平均比例cs与浏览借阅比例阈值CS进行比对，并根据比对结果对选取推荐书单的过程进行调整，其中：

当cs＜CS时，所述第二调整单元判定图书被浏览次数正常；

当cs≥CS时，所述第二调整单元判定图书被浏览次数高，将此图书从推荐书单中删除，并将预设推荐度调整为Y’，设定Y’=Y×[1+arctan（CS-cs）]。

具体而言，所述第二调整单元通过对推荐图书浏览借阅平均比例对推荐书单中图书阅读状态进行分析，以减少图书标签符合用户但内容质量不足的图书作为推荐图书的比例，提高了系统推荐书单的准确性，最终提高了图书推荐的效率，可以理解的是，本实施例不对浏览阈值CS的取值作具体限定，本领域技术人员可以自由设置，只需满足浏览阈值CS的取值要求即可，如可以将浏览阈值CS设定为20%。

具体而言，所述第二优化单元将推荐书单中图书库存量kc与各预设图书库存量进行比对，并根据比对结果对推荐图书书单的调整过程进行优化，其中：

当kc＜KC1时，所述第二优化单元判定此图书库存少，并将借阅比例阈值CS优化为CS’，设定CS’=CS×sin[ln（KC1-kc）]；

当KC1≤kc≤KC2时，所述第二优化单元判定此图书库存正常，不进行优化；

当kc＞KC2时，所述第二优化单元判定此图书库存充足，并将借阅比例阈值CS优化为CS”，设定CS”=CS×{1+sin[ln（kc-KC2）]}；

其中，KC1是第一预设图书库存量，KC2是第二预设图书库存量，KC1＜KC2。

具体而言，所述第二优化单元通过对推荐书单中图书的图书库存量对选取推荐书图书的调整过程进行优化，提高了系统推荐书单的准确性，最终提高了图书推荐的效率，可以理解的是，本实施例不对第一预设图书库存量KC1和第二预设图书库存量KC2的取值作具体限定，本领域技术人员可以自由设置，只需满足第一预设图书库存量KC1和第二预设图书库存量KC2的取值要求即可，如可以将第一预设图书库存量KC1设为3，将第二预设图书库存量KC2设为10。

具体而言，所述反馈分析模块将监测周期内用户借阅图书比例u与借阅图书阈值U进行比对，并根据比对结果对下一监测周期的关联度分析过程进行校正，其中：

当u＜U时，所述反馈分析模块判定当前监测周期内用户借阅图书比例低，并将下一监测周期第一预设图书借阅时间校正为T1’，设定T1’=T1×（1-U+u）²；

当u≥U时，所述反馈分析模块判定当前监测周期内用户借阅图书比例正常，不进行校正。

具体而言，所述反馈分析模块通过对监测周期内用户借阅图书的比例进行分析，以对下一监测周期计算关联度的过程进行校正，使得本系统对用户推荐图书的过程达到动态调节的效果，提高了系统推荐书单的准确性，进而提高了图书推荐的效率。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (8)

1.一种图书信息推荐系统，其特征在于，包括，

信息获取模块，用以获取用户信息和图书信息；

关联度分析模块，用以根据用户借阅图书的图书标签和借阅图书次数分析用户对各类图书标签的关联度；

关联度调整模块，用以根据用户的图书借阅平均时间对各图书标签的关联度集合的计算过程进行调整，还用以根据用户阅读频率对各图书标签的关联度集合的调整过程进行优化；

线性计算模块，用以根据各类图书标签的关联度计算图书馆图书的图书推荐度；

图书推荐模块，用以根据各类图书标签的关联度对推荐书单进行分析，并将推荐书单作为输出方案进行输出；

推荐调整模块，用以根据浏览借阅平均比例对推荐书单的过程进行调整，还用以根据图书库存量对调整推荐书单的过程进行优化；

反馈分析模块，用以根据监测周期内用户借阅图书比例对下一监测周期用户的关联度分析过程进行校正；

所述关联度调整模块设有第一调整单元，所述第一调整单元用以将图书借阅平均时间t与各预设图书借阅时间进行比对，并根据比对结果对关联度集合的计算过程进行调整，其中：

当t＜T1时，所述第一调整单元判定用户此次借阅阅读时间短，并将预设方差值Σ调整为Σ’，设定Σ’=Σ×ln（1+T1-t）；

当T1≤t≤T2，所述第一调整单元判定用户此次借阅是时间正常，不进行调整；

当t≥T2时，所述第一调整单元判定用户此次借阅阅读时间长，并将预设方差值Σ调整为Σ”，设定Σ”=Σ×ln（1+T2-t）；

其中，T1是第一预设图书借阅时间，T2是第二预设图书借阅时间，T1＜T2；

所述关联度调整模块设有第一优化单元，所述第一优化单元用以将用户阅读频率v对各预设用户阅读频率进行比对，并根据比对结果对各图书标签的关联度集合的调整过程进行优化，其中：

当v＜V1时，所述第一优化单元判定监测周期内用户阅读频率低，并将第二预设图书借阅时间T2优化为T2’，设定T2’=T×e^V1-v；

当V1≤v≤V2时，所述第一优化单元判定监测周期内用户阅读频率正常，不进行优化；

当v≥V2时，所述第一优化单元判定监测周期内用户阅读频率高，并将第二预设图书借阅时间T2优化为T2”，设定T2”=T×e^V2-v。

2.根据权利要求1所述的图书信息推荐系统，其特征在于，所述关联度分析模块设有统计计算单元，所述统计计算单元用以将借阅图书的图书标签进行统计，其中：

所述统计计算单元分别计算格各类图书标签包含的具体类别的出现频率，并根据各类图书标签包含的具体类别的出现频率计算各类图书标签的方差σ，其中，图书类别标签方差σ1的计算公式如下：

k11=b11/n，k12=b12/n，...，k1m=b1m/n；

σ1={[k11-（k11+k12+...+k1m）/j]²+[k12-（k11+k12+...+k1m）/j]²+...+[k1m-（k11+k12+...+k1m）/j]²}/j；

其中，b11是图书类别标签下第一类具体类别出现的次数，b12是图书类别标签下第二类具体类别出现的次数，b1m是图书类别标签下第m类具体类别出现的次数，k11是图书类别标签下第一类具体类别出现的频率，k12是图书类别标签下第二类具体类别出现的频率，m是图书类别标签下的具体类别数量，k1m是图书类别标签下第m类具体类别出现的频率，j是用户的借阅图书次数。

3.根据权利要求2所述的图书信息推荐系统，其特征在于，所述关联度分析模块还设有统计分析单元，所述统计分析单元用以将统计得到的各类图书标签具体类别出现频率方差σi与预设方差值Σ进行比对，设定i=1,2，3，4，其中：

当σi＞Σ时，所述统计分析单元判定用户对σi所对应的图书标签具有强关联性，并设置σi所对应的图书标签的关联度集合{ki1，ki2，...，kim}；

当σi＜Σ时，所述统计分析单元判定σi所对应的图书标签对用户具有弱关联性，不设置σi所对应的图书标签的关联度集合。

4.根据权利要求3所述的图书信息推荐系统，其特征在于，所述线性计算模块根据各类图书标签与用户的关联性对各类图书标签设置权重值，其中：

所述线性计算模块根据各类图书标签具体类别出现频率方差σi计算各类图书标签的权重值，图书标签所对应的权重值的计算公式如下：

ci=（σi-σ_min）/（σ_max-σ_min）；

其中，c1是图书类别标签的权重值，c2是图书主体标签的权重值，c3是图书作者标签的权重值，c4是图书评分标签的权重值，σ_max是各类图书标签具体类别出现频率方差的最大值，σ_min是各类图书标签具体类别出现频率方差的最小值；

所述线性计算模块根据所述各类图书标签关联度集合和各类图书标签的权重值计算图书推荐度，图书推荐度的计算公式如下：

F=c1×s1+c2×s2+c3×s3+c4×s4；

其中，s1是图书类别标签下具体类别的关联度，s2是图书主体标签下具体类别的关联度，s3是图书作者标签下具体类别的关联度，s4是图书作者标签下具体类别的关联度；

所述线性计算模块根据图书推荐度将图书馆图书进行排序。

5.根据权利要求1所述的图书信息推荐系统，其特征在于，所述图书推荐模块将所述图书推荐度y与预设推荐度Y进行比对，并根据比对结果选取图书纳入推荐书单，其中：

当y＜Y或该图书已被该用户借阅时，所述图书推荐模块判定该图书的图书推荐度低，不纳入推荐书单；

当y≥Y且该图书未被该用户借阅时，所述图书推荐模块判定该图书的图书推荐度符合推荐图书的要求，将该图书纳入推荐书单。

6.根据权利要求5所述的图书信息推荐系统，其特征在于，所述推荐调整模块设有第二调整单元，所述第二调整单元用以将推荐书单中图书被浏览借阅平均比例cs与浏览借阅比例阈值CS进行比对，并根据比对结果对选取推荐书单的过程进行调整，其中：

当cs＜CS时，所述第二调整单元判定图书被浏览次数正常；

当cs≥CS时，所述第二调整单元判定图书被浏览次数高，将此图书从推荐书单中删除，并将预设推荐度调整为Y’，设定Y’=Y×[1+arctan（CS-cs）]。

7.根据权利要求6所述的图书信息推荐系统，其特征在于，所述推荐调整模块还设有第二优化单元，所述第二优化单元用以将推荐书单中图书库存量kc与各预设图书库存量进行比对，并根据比对结果对推荐图书书单的调整过程进行优化，其中：

当kc＜KC1时，所述第二优化单元判定此图书库存少，并将借阅比例阈值CS优化为CS’，设定CS’=CS×sin[ln（KC1-kc）]；

当KC1≤kc≤KC2时，所述第二优化单元判定此图书库存正常，不进行优化；

当kc＞KC2时，所述第二优化单元判定此图书库存充足，并将借阅比例阈值CS优化为CS”，设定CS”=CS×{1+sin[ln（kc-KC2）]}；

其中，KC1是第一预设图书库存量，KC2是第二预设图书库存量，KC1＜KC2。

8.根据权利要求1所述的图书信息推荐系统，其特征在于，所述反馈分析模块将监测周期内用户借阅图书比例u与借阅图书阈值U进行比对，并根据比对结果对下一监测周期的关联度分析过程进行校正，其中：

当u＜U时，所述反馈分析模块判定当前监测周期内用户借阅图书比例低，并将下一监测周期第一预设图书借阅时间校正为T1’，设定T1’=T1×（1-U+u）²；

当u≥U时，所述反馈分析模块判定当前监测周期内用户借阅图书比例正常，不进行校正。