基于knn算法的图书推荐系统毕业设计

《基于knn算法的图书推荐系统毕业设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华北科技学院毕业设计目录基于Knn算法的图书推荐系统IBookrecommendation systembasedon KnnalgorithmII第1章绪论11.1应用背景11.2系统功能21.3系统预览21.4系统特点1第2章开发环境及工具22.1系统开发环境22.2系统架构模型22.3系统开发技术32.3.1R语言简介32.3.2数据库技术简介32.3.3Java简介4第3章系统设计与数据库53.1系统设计53.1.1系统功能模块划分53.2数据库结构5第4章K最近邻分类（Knn）算法介绍64.1Knn算法简介64.2算法流程

2、64.3算法优缺点74.3.1优点74.3.2缺点7第5章Knn算法在图书推荐系统的实现85.1训练集数据train.data85.2建立读者-书目矩阵95.3计算书目距离矩阵distance105.4计算读者和书目的关系程度105.5计算用户的推荐书目id115.6查询推荐书目的具体信息13第6章SQLServer数据库、Java语言与R的组合14I华北科技学院毕业设计6.1简述146.2SQLServer数据库与R语言146.3R语言与Java语言15参考文献16致谢17附录18I华北科技学院毕业设计基于Knn算法的图书推荐系统

3、摘要：互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求的同时，也使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，而产生所谓的信息超载问题，推荐系统就这样应运而生。推荐系统现已广泛应用于很多领域，其中最典型并具有良好的发展和应用前景的领域就是电子商务领域。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。同时学术界对推荐系统的研究热度一直很高，逐步形成了一门独立的学科。本文介绍的推荐系统，一方面根据学校的图书借阅情

4、况，构建出基于Knn算法的图书推荐系统，可以解决同学们借书没有头绪，借不到适合自己的书等等问题，另一方面实现了数据、算法、成果展示的分离，使得程序设计、大数据处理、前端展示的分工更加明确简洁。本系统采用了统计领域广泛使用的R软件，适于数据存储与挖掘的SQLServer2008，以及适用于前端展示的Java语言，通过三者的协调互助，共同完成推荐系统的数据存储、挖掘以及展示工作。关键词：推荐系统Knn算法　专属推荐大数据挖掘R软件I华北科技学院毕业设计Bookrecommendation systembasedon Knnalgorit

5、hmAbstract:TheemergenceandpopularizationoftheInternetuserstobringagreatdealofinformation,meettheusersatthesametimetheneedforinformationintheinformationage,butalsomakestheuserinthefaceofalargeamountofinformationcannotbeobtainedfromthatpartoftheinformationtheyreallyusefu

6、l,andproducetheinformationoverloadtheso-calledproblems,recommendationsystemcomes.Recommendationsystemhasbeenwidelyusedinmanyfields,amongwhichthemosttypicalandhasgoodprospectsforthedevelopmentandapplicationofthefieldisthefieldofelectroniccommerce.Personalizedrecommender

7、systemisestablishedonthebasisofaseniorminingbusinessintelligenceplatforminthemassivedata,inordertohelpe-commercesitesprovidecompletepersonalizeddecisionsupportandinformationserviceforthecustomershopping.Atthesametime,theresearchheatsystemtorecommendtheacademiccommunity

8、hasbeenveryhigh,andgraduallyformedanindependentdiscipline.Recommendationsystemisintroducedinthispaper,handaccordingto