基于中文图书自动分类的图书管理系统的研究与实现

摘要

图书分类是一件极其繁琐和重要的事情，在图书管理过程中具有承上启下作用，然而，传统的图书分类主要依赖图书的作者填写，其往往带有强烈的个人主观意识，图书管理部门需再次对图书进行校对和分类。在这个过程中，不可避免的存在差错。　　在人工智能和大数据时代，文本分类和推荐系统已经开始广泛应用之时，图书信息管理系统却无法对图书进行自动分类，随着图书数量的增长，仅仅依靠图书管理人员对海量的图书进行校对和分类，显然是不现实的，而且在海量的图书中，学生找到自己喜欢的图书的成本也在不断增加。　　为了实现图书的自动分类，并满足高校的实际要求，本文设计并开发了一套图书信息管理系统，除了具有基本的读者信息管理、图书信息管理、系统用户信息管理、借还管理等基本功能外，主要提出了一种图书自动分类ERBERT-HMATT神经网络模型，通过实验分析验证，本文提出的分类模型相比其它模型取得更好的分类效果。除此之外，本文研究了图卷积神经网络的协同过滤算法，并把该算法应用到系统的图书推荐模块中，根据学生的检索记录和历史借阅情况，为读者推荐感兴趣的图书。　　本文的主要的工作如下：　　（1）针对分类算法进行了深入细致的研究，并针对中文图书的特点，提出了一种基于知识增强和深度学习的ERBERT-HMATT图书分类模型。　　（2）为了验证试验效果，本文通过Python和Seleninum以及PhantomJS无界浏览器在豆瓣读书爬取了大量图书数据，为了确保数据的规范性和合法性，本文对爬取的图书相关数据进行仔细的校验，并对校验后的数据进行了清洗，通过大量消融实验，选择了图书相应属性作为图书特征，最后把数据合理地划分为训练集和测试集，并验证了模型的表现。　　（3）针对当前图书信息管理系统存在的已知问题，重新设计并开发了一款在线图书信息管理系统，并在系统中添加了图书自动分类和图书推荐的功能。

目录

声明

1 绪论

1.1研究背景与意义

1.2.1 在线图书信息管理系统研究现状

1.2.2 图书自动分类研究现状

1.3研究内容及方法

1.4论文安排

2 相关理论和技术

2.1 文本分类简介

2.2.1 文本预处理

2.2.2分词

2.2.3特征提取

2.2.4 文本分类方法

2.3.1 前端框架

2.3.2 后端框架

2.4 本章小结

3 基于层级的中文图书分类算法研究

3.1层级多标签分类算法

3.2ERBERT-HMATT模型

3.2.1文本表示层

3.2.2循环多标签注意力网络

3.2.3 层级网络的预测层

3.3 本章小结

4 实验验证及结果分析

4.1.1 实验环境

4.1.2 数据集处理

4.2.1 评估指标

4.2.3 实验参数设置

4.3实验描述和实验结果对比分析

4.4 本章小结

5 图书推荐算法的研究

5.1 协同过滤

5.2 图神经网络的协同过滤

5.3 基于轻量级图卷积神经网络的协同过滤

5.2.1 图书推荐算法可行性分析

5.4本章小结

6 图书自动分类管理系统的设计与实现

6.1.1 系统开发环境搭建

6.1.2 功能和需求分析

6.1.3功能需求分析

6.1.3 系统可行性分析

6.2.1 系统分层结构

6.2.2 系统功能设计

6.2.3数据库设计

6.3 系统详细功能的设计与实现

6.3.1 管理员端的功能实现

6.3.2 学生端的功能的实现

6.4 系统测试

6.4.1 测试的目的及概述

6.4.2 系统功能模块测试

6.5 自动分类算法应用

6.5.1 图书类别的自动分类功能分析

6.6 本章总结

7 总结与展望

7.1 工作总结

7.2 未来研究展望

参考文献

致谢

在读期间公开发表论文（著）及科研情况