图书推荐系统

Posted 2021-05-01 清调

图书推荐数据分析

//图书推荐系统

分析团队：毛冬晓 朱粤岫 王冠 蹇洁

01

需求分析概况

概述：从古至今，读书的益处为人类所公认。一本好书，往往可以带给人以启迪，甚至影响一个人的一生。在信息高速发展的今天，人们可以通过网络，提前获知一本书的好坏，类似于豆瓣的社区加速了书籍的传播。然而，即使豆瓣这类网站通过一些算法制作了书籍的高分榜，我们认为对用户而言仍然存在信息偏差。高赞评论固然具有更深的影响力，但用户往往只能在有限的碎片化时间里，关注到赞比较多的评论，从而忽视了更多的评价数据。同时，一本书的评价不仅与作者和书籍本身相关，也与读者的心境相关，正所谓“一千个读者有一千个哈姆雷特“。为方便用户更加精准的查找到想要的书籍、更加客观的审视书籍，去除部分读者、评价者所带来的信息偏差，我们编写了本系统。系统通过爬虫豆瓣的书籍详细数据，形成各类书籍榜单，用户可分类查看书籍的好评榜、热度榜以及系统推荐榜单；同时支持用户进行上榜书籍的搜索和定制推荐书单。

02

                                                      动态展示

03

全屏展示

04

细节展示

基于不同城市

样例数据中评价人省市分布

按照不同省份，分析人群不同喜好，获取用户的地域后，可根据位置来推荐更有可能喜欢的书籍

喜好不同书籍种类的人口数量，这是整体分析，可以看出金融的占比为最大的。故在给任何一个用户推荐时，可以增加金融的占比

阅读前十的省市的阅读人口占比

基于大学生

大学生不同年级读书人数占比

金融 传记 成功 时尚 科幻无论何时都有众多人喜欢，可根据不同人群的单独分析，以按照比重推荐

随着年级增长，喜好趋势逐渐变化，在推荐时，可以让用户输入所处年级，以更好地推荐书目

基于大学生的不同喜好占比分析

基于评价数量

评分最高的书的均值，按类别分

评分最高的书的评分均值，按时间分类

横坐标种类，纵坐标分数，高是评价人数

体现了各个种类各个分数的评价人数

接近于圆

各个种类书目的平均评价分数

通过评价人数，可以间接反映出一本书的阅读情况

大泡泡为热度最高的作者

小泡泡为这个作者的作品

可以看出，人们对于文化的阅读量是最大的，其次是个人管理

评价分布图

1

END

1