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。