 |
统运用Django框架和Bootstrap框架完成系统界面设计和其他功能模块的实现，结合MySQL数据库设计，完成整个系统的开发。
本次课题完成了图书推荐系统的设计与实现，利用协同过滤算法实现推荐模块，系统达到了为用户推荐图书的效果。
关键词：协同过滤 推荐模块 Python Django框架 图书推荐系统
现在，人们经常提到大数据，人们用它来描述和定义信息爆炸时代产生的海量数据[1]，并出现了很多相关的技术发展与创新。人们已经意识到它对企业的重要性。在这样的环境中，人类的数据驾驭能力不断遇到新的挑战。当然，人们在面对大数据带来的困扰和问题，人们对庞大数据的处理成了棘手的难题。人们每天面对海量的数据，大量更新不断的信息，已经无法从中快速地得到自己感兴趣的数据，浏览有用的信息。即使搜索引擎的不断升级改进，在每天都充满了“爆炸”式的信息生活中，搜索也不能帮助人们解决难题，同时，人们有时候并不能明确地知道自己感兴趣的信息，所以一个个性化的推荐系统对人们来说是很有必要的。
在大数据时代的环境下，网络广告、视频网站、搜索引擎、网络游戏市场规模同比增长38.3%、44/7%、20.9%和51.1%[2]。如何提高企业向用户输出的商品能力和提高企业的利润，挖掘用户感兴趣的物品和信息，解决的办法就是在大量的数据中挖掘出有价值的数据，利用推荐算法和数据处理技术，开发推荐系统。现在的web 挖掘中，推荐系统是具有挑战性的研究领域之一，它涉及到人工智能、数据挖掘等计算机热门领域的知识[3]。推荐系统的应用也将越来越广泛。
在海量数据中，图书的信息量具有大、复杂等特点。为了满足人们快速有效的获取图书，并通过系统发掘用户感兴趣的潜在的图书，主动为用户推荐图书，为用户设计开发一个比较个性化的图书推荐系统是重要的。如果在用户检索图书的同时，能够为用户推荐合适满意的有用的书籍，那么不管对提供服务者，还是接受服务的人，都会达到更高的满意度。
论文研究个性化推荐算法，通过查阅相关资料，尝试应用协同过滤算法来实现对图书推荐系统的设计与实现。论文结构如下：
第一章 绪论。概述图书推荐系统的背景以及图书推荐系统设计的意义等。
第二章 相关理论技术及实现工具。简单概述一些推荐方法的优缺点及本系统采用的推荐算法研究。介绍开发语言Python，Django框架、Bootstrap框架、Scrapy爬虫框架等。
第三章 系统分析和设计。介绍系统的需求分析与设计，描述数据库设计以及详细设计部分。
第四章 系统实现。展示系统开发的成果。
第五章 系统测试。将开发的系统进行测试，测试的内容针对开发的模块，并记录测试结果。
第六章 总结与展望 总结本系统研究的内容和系统开发存在的不足并对系统未来的建设与完善的展望。
本章主要介绍了图书推荐系统的背景以及图书推荐系统研究和设计的意义，综述了推荐系统的国内外研究动态，最后对本论文的主要内容进行了简单的阐述。
