● 摘要
随着近些年Web2.0的发展，网络上的信息量越来越大，用户所接触的海量信息已经超出自己可以处理的范围，无法从庞大的数据中获取符合自己需求的信息。为了帮助用户从海量信息中获取对自己有用的数据，个性化推荐计算被提出，在众多的个性化推荐技术中，基于标签的个性化推荐是当今的研究热点。
本文介绍了介绍了一种个性化推荐系统的理论和关键技术实现的设计，完成了技术研究和关键算法的实现研究。通过系统的需求分析、概要设计、详细设计和编码实现了具有较高准确率的个性化图书推荐系统，完成了基于基本数据的测试工作。基于完成的推荐系统，撰写本论文，论述系统基于的原理、技术基础、关键算法和软件开发过程。本文在基于图书标签的原始推荐算法的基础上提出了结合相似标签列表和标签聚类结果来优化标签集的改进思想，合并相同语义的标签，依据更新后的标签集重新计算用户特征向量与图书特征向量的相似性，提高推荐系统的准确度。系统采用网站的方式为主服务系统用户，系统的开发是基于Node.js的，数据库采用的是与Node.js协作良好的MongoDB。整个系统主要包含数据处理、算法实现和网站实现三个模块。系统的核心是算法实现模块，完成了对个性化推荐算法的实现及应用，友好的交互平台依赖于网站实现模块，便于用户与系统之间的数据交互，同时提供了系统管理员的管理平台，方便用户和图书的管理。系统的客户端使用不局限于WEB方式，主要的数据接口通过API提供，可以方便的进行功能拓展。
本系统的设计目的是实现图书推荐系统的个性化，能够管理大数据量的图书信息，并且提供给用户良好体验的平台。通过用户和系统的良性交互，提高系统的准确率以及用户的体验。