基于最优特征选择增强的图书推荐系统模型设计

• 作者: 宫月琦
• 来源期刊: 情报探索
• 关键词: 图书推荐系统 分类算法 朴素贝叶斯 决策树
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 工作研究|Work Research
• 页码范围: 37-41
• 页数: 5页
• 分类号: G258.6
• 语种: 中文
• DOI: 10.3969/j.issn.1005-8095.2021.08.005

摘要

[目的/意义]旨在为寻找简单有效的图书推荐分类算法提供参考.[方法/过程]构建了包括数据预处理、分类器和图书推荐引擎的基于模型的图书推荐系统.指出应在数据预处理时对书籍的属性值进行选择和格式化,需对比不接受文本数据和接受文本数据的两组分类器,并选择合适的特征,如作者、年份、出版商、用户ID、位置和年龄,进行评分预测.以图书评分数据集作为案例分析,对比了朴素贝叶斯多项式、SGD、朴素贝叶斯、贝叶斯网络和C4.5分类器方法,从准确率、RMSE等方面进行了算法性能比较.[结果/结论]朴素贝叶斯是图书推荐的最佳选择,准确率达到70％以上.