图书推荐系统
Posted 清调
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了图书推荐系统相关的知识,希望对你有一定的参考价值。
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
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
以上是关于图书推荐系统的主要内容,如果未能解决你的问题,请参考以下文章