基于“用户画像”挖掘的图书推荐App设计

2018-06-14李大伟杜洪波周孝林

软件 2018年5期

李大伟，杜洪波，周孝林，岳赛，齐飞

（沈阳工业大学理学院，辽宁沈阳 110870）

0 引言

随着移动互联网的发展，手机App呈现出爆炸式增长[1]，逐渐改变着人们的生活习惯，App阅读逐渐代替传统的纸质读物，导致网民通过手机看书的比例逐年上升。与此同时产生网名盲目阅读书籍，阅读消极书籍等问题。鉴于现存问题，形成一个新的服务——图书推荐[2]。通过用户平时的阅读习惯进行数据挖掘，为用户推荐合适有价值的书籍，号召全民读书。

1 图书推荐App的总体设计

（1）馆藏资源：功能包含书目检索、热门排行、分类浏览、新书通报、图书推荐。图书推荐功能是通过分析用户历史数据将用户感兴趣或者有价值的书籍推荐给用户。

（2）个人中心：构建读者个人中心模块，具体功能包含用户信息、阅读管理（包括阅读历史）、个性书单、我的书评、我的通知。个性书单模块是根据某些书共同的特性将自己喜爱的书籍进行分类，同时可以向其他用户分享优质的书单。“我的书评”模块可以将用户读后感进行上传，与其他人进行共享。

（3）互动平台：包括好友推荐，群组讨论、参与论坛、查看他人书评、与管理员进行沟通等。好友推荐是通过运用“用户画像”技术，分析用户，为用户推荐有相同爱好的好友，使得好友之间交流读书心得，提高用户阅读兴趣。

2 “用户画像”算法实现

“用户画像”是基于推荐算法实现的。在掌握用户的信息和行为后，主动为用户推荐相关的信息。推荐算法的基本原理：（1）输入基本数据，包括用户信息（性别，年龄等）、用户对书籍的评价、书籍的信息等；（2）通过数据源与推荐算法结合为用户推荐相关书籍。推荐算法不同的数据源所用的算法不同，本文使用协同过滤推荐算法实现图书推荐。

协同过滤推荐[3]（Collaborative Filtering recommendation，简称CF），通过分析用户兴趣，在数据中寻找与该用户兴趣相似的用户，综合每个用户对该物品的评价，形成该物品的“得分”既用户对该物品的喜欢程度。基本步骤：（1）根据用户的基本资料了解用户的喜好；（2）构造用户之间的相识度；（3）为用户进行推荐[3-4]。

相似度计算[7]：

（1）欧几里得相似性

（2）皮尔逊相似性

取值在[-1,1]之间

（3）Cosine相似度

协同过滤推荐分为基于用户和基于物品[4]的，本文考虑到用户的数量远远小于书籍的数量，于是使用基于用户的协同过滤推荐算法描述：（1）计算相似度：将用户对所有书籍的喜欢程度作为一个向量来计算用户之间的相似度；（2）预测用户可能喜欢的书籍：找到K邻居后，根据邻居相似度权重和他们对书籍的偏好进行预测；（3）根据权重对书籍列表进行排序，进行推荐，如图1所示。

图1 协同过滤推荐算法Fig.1 Collab orative filtering recommendation algorithm

3 UI设计

基于“用户画像”挖掘的图书推荐 App[8]不仅在算法上进行研究，同时对界面进行详细设计，设计出善于操作的界面，下面就部分界面进行介绍。

图书推荐：通过“用户画像”算法进行后台分析，推荐符合读者的书籍。通过使用 ImageButton控件将推荐书籍的封面进行展示。将所有的 image-Button,统一放入 ScrollView中实现滑动。点击imageButton弹出对应图书的介绍，如图2所示。

互动平台：如图3所示，展示用户对书的感受，上端是用ImageView控件制作的动态切换页面，实时进行新闻动态更新。中间是用itemlist控件将用户发布的题目，时间，作者名，浏览量等信息显式出来。最下端使用了 tabhost来选择不同的板块,包括互动平台，图书推荐，如图4所示。个人中心：如图5所示，用listView控件显式个人可操作的功能，点击查看各种信息。包括个性书单，如图6所示，我的书评，如图7所示，荐购历史，如图8所示等。