青岛工学院毕业论文（设计）
青 岛 工 学 院
毕 业 论 文（设 计）
开题报告
题 目 基于 Apriori 算法的网络书城个性化服务系统
学 院
年 级
专 业
姓 名
学 号
指导教师
报告日期 2020 年 2 月 24 日
青岛工学院教务处制表
青岛工学院毕业论文（设计）
一、选题依据
加一个点赞，每日推荐，然后一个评论
后台有推荐，每日推荐是放首页的面对全体用户的，书籍不用每日变，有这个意思就行
重点突出一下个性化。
要有前端，这个老师老是强调。
主要功能按开题报告写就可以了，书籍尽量多一点。
1、选题来源与背景
自 1997 年杭州市新华书店开办第一个网上书店开始创建，就标志着我国的网络书
城在中国开始出现并发展。尽管第一个书店访问量只有 400 有余，并且只经营了一年左
右就以失败告终，但经过多年的发展，现在我国的网上书店已经颇具规模。
现在随着移动网络和数字多媒体技术的飞速发展，网络书城已经成为图书发行的一
种重要形式，也成为众多年轻人买书的重要渠道，基于个性化的推荐也随之成为推荐领
域的一大研究热点。然而其产生的海量、庞大的数据无疑超出了受众的基本需求和承受
能力，进而引发用户信息疲劳，不知如何选择的问题。
因此，如何借助阅读个性化推荐帮助用户在浩瀚的网络书库中快速、准确地获取自
己感兴趣的阅读书籍变得越来越重要。
2、研究目的
基于当今世界经济发展高速，竞争激烈，并且不再是传统的市场竞争，而是市场融
入高科技的竞争，是信息时代的竞争。要想在各行各业占有一席之地，就必须融入信息
时代的竞争当中。显然，当前的线下书店已经不能够很好的满足用户以及市场的需求，
很大程度无法和线上书店的优势相比较。
尽管现有网上书城一定程度上能够满足用户便捷选购图书的需求，然而绝大多数网
上书城仍然不具备优秀的个性化推荐服务，主要原因在于我国现有网上书店在信息收集
与处理方面的优势目前尚未显。大部分书城无法及时收取用户反馈信息以及用户历史信
息，有的即使能够收取信息，也无法对大量数据进行筛选处理，从而更改售卖策略，进
行个性化信息用户推送。
书城无法针对不同用户合理推荐书籍，从而增加了用户的信息疲劳，反而降低了网
上还是那个书城对于线下书城的优势，降低了选购效率和经济效益。针对这种不足以及
缺陷，本论文致力于网上书城个性化推荐服务的研究，提出基于 Apriori 算法的个性化
推荐服务，填补现有网上书城的空缺，满足广大用户的需求。
基于 Apriori 算法的网络书城个性化服务系统要实现网上书店的基本功能包括用
户注册、用户登录、图书查询、图书高级查询、图书详细分类。系统要能够根据用户喜
青岛工学院毕业论文（设计）
好来进行个性化推荐服务，提高用户体验感受，很大程度上减少用户浪费的时间，从而
提高经济收益。
基于 Apriori 算法的网络书城个性化服务系统的平台管理者可以针对不同行为模
式的客户提供不同的书籍内容，针对不同消费心理的客户提供不同的促销手段，对自己
拥有的客户进行有效的差异分析，并根据这种差异来区分不同价值的客户，更合理地进
行配置，实现用最少的时间买到最心怡的书籍。
总的来说本系统使得用户足不出户，便可以在移动端浏览自己想要购买的书籍。系
统记录下用户的消费数据，以及用户对购买书籍的评价信息，系统根据这些信息智能的
为用户下一次购买以及相识的用户提供相关书籍的推荐信息。并且这些用户的购买信息
的历史记录，让我们更好的了解市场需求，实现最大化的经济效益。
3、研究现状
国内现状
网上书店是指利用互联网络来实现图书销售业务的一种新型图书零售渠道。网上书
店订单处理速度快，服务范围广，存书量大，读者坐在家里就可以“逛书店”。
近年来，国内阅读随着其业务的发展，电子书库越来越庞大，用户喜好又向着差异
化方向发展。怎样便捷地从庞大的电子书库中准确检索出符合用户个性化需求的书籍推
荐给用户，成为书城业务推广的一个重点和难点。基于大数据的个性化书籍推荐业务，
就是通过对系统中所有的书籍物理文件和保存的海量用户行为记录进行分析和挖掘，从
庞大的用户数据中分析出不同用户的行为习惯和消费喜好，从而更精确地洞察客户需求，
从海量书籍中推荐出其喜欢的书。
国外现状
世界上第一家网上书店是 1991 年在美国联机公司(AOL)的网络上建立的“阅读美国”
书店。1994 年贝佐斯在西雅图成立的亚马逊网上书店，如今已成为全球最大网上书店，
1998 年的顾客总数为 450 万，销售额达 6.1 亿美元，股票市值 100 多亿美元，控制着
美国 80%的网上图书销售市场。亚马逊网上书店的成功在图书销售领域产生了巨大影响。
1997 年 5 月，美国最大的连锁书店巴诺书店也正式开办了网上书店。此外，美国较有
名的网上书店还有肥脑网上书店鲍德斯网上书店等。据统计，到 1998 年美国的网上书
店已达 1200 多家。
近年来, 推荐技术受到了国内外学者的密切关注, 产生许多研究成果,但其推荐结果
的准确率和覆盖率都较低,缺乏个性化,往往并不能令用户真正满意。用户的阅读习惯也
不会一成不变，所以对于用户的阅读习惯要实时进行观察，阅读类型与用户习惯有着很
强的关联以阅读推荐为研究对象是个性化推荐系统中一个特殊的领域, 具有较大的研究
价值和实用意义。
4、主要参考文献
[1]魏恩超,张德生,安平平.改进的频繁模式挖掘算法[J].计算机系统应用,2019,28(09):154-161.
