基于SVD协同过滤的图书推荐系统

年来，电子商务网站不断地贴近人们的生活，给人们带来了极大的方便，人们在淘宝、京东等网站上可以足不出户进行网上购物。然而在这个信息爆炸的时代，各种商品优劣不等，价格不一，功能多样，购物者很难快速的决定自己选择哪一个，在手机上浏览各色商品使得购物者感到疲惫不堪，且浪费了很多时间和精力，因此推荐算法在近年来获得了广泛的应用。它使得人们能够更加快速方便的找到心仪的产品，为用户提供了更加愉快的购物经历。
目前主流的推荐算法分为基于内容的推荐算法、基于协同过滤的推荐算法和混合推荐方法。在基于协同过滤的推荐算法中，隐语义模型的获得了广泛的应用。而奇异值分解是隐语义模型中矩阵分解是一种，是一种有效的代数特征提取方法。在如今互联网技术飞速发展下，人们更多地在网上购买图书，然而图书数量爆炸增长，且种类繁多，图书推荐系统的重要性不言而喻。尤其是对于学习繁重的学生党，其重要性则更为凸显。  
在这样的背景下，本文着力研究基于奇异值分解的图书推荐系统。随着研究的逐步展开，已有一些推荐系统出现，如基于深度学习的推荐系统、基于协同过滤的电影推荐系统。本文将在协同过滤基础上对奇异值分解进行深入的分析和改进，实现图书推荐系统。

传统的协同过滤算法存在数据稀疏性，冷启动，可扩展性差等问题，因此推荐结果不太理想。本文在协同过滤的基础上进行改进，旨在改进冷启动，数据稀疏性问题，提高推荐质量。
（二）研究内容
根据本文的研究目标，论文的研究内容将主要分为三个部分。
第一部分是论文的第一章，也就是论文的绪论部分，主要涉及论文的研究背景、研究意义、研究方法以及国内外文献综述和研究现状等。
第二部分是论文的第二章，第三章，第四章，阐述推荐算法，详细分析SVD算法，最后构建图书推荐系统。
第三部分是论文的结论部分，总结全文研究成果，并提出进一步的研究展望。
第一章．绪论
（一）研究背景及意义
（二）国内外研究现状
第二章．推荐系统综述     
（一）推荐算法分类
（二）协同过滤算法
第三章．SVD算法
（一）SVD算法的提出背景
（二）SVD算法原理
第四章 图书推荐系统的设计与实现
（一）系统架构及相关技术 
（二）系统功能设计
（三）系统实现
第五章．总结和结论
（三）研究思路
（1）首先从Book-Crossings中获取数据源，进行数据预处理
（2）数据分析，对数据进行简单统计，并加载测试数据集。
（2）设计推荐系统算法：基于协同过滤的算法和基于SVD的算法
（3）根据推荐算法进行推荐，并将推荐书目单存入数据库中。
（4）进行界面设计
（5）构建系统
（四）研究重点
（1）冷启动问题
    在没有大量用户数据的情况下设计个性化推荐系统并让用户对推荐结果满意从而愿意使用推荐系统称为冷启动问题。冷启动问题共分为三类：用户冷启动、物品冷启动、系统冷启动。本文主要通过给新用户推荐热门图书来改进冷启动问题。
（2）数据稀疏性
    数据稀疏问题严重制约着协同过滤推荐系统的发展。对于大型商务网站来说,由于产品和用户数量都很庞大,用户评分产品一般不超过产品总数的1%,两个用户共同评分的产品更是少之又少,解决数据稀疏问题是提高推荐质量的关键。SVD算法将一个矩阵分解为三个矩阵，通过求出奇异值矩阵来得出每种特征的重要性，然后将数据映射到低维空间，通过计算低维空间中的item之间的相似度，对用户未评分的item进行评分预测，最后将预测评分高的item推荐给用户，有效地缓解了数据稀疏性问题。