随着手机阅读行业的不断发展,越来越多的用户选择使用手机进行图书阅读。面对海量的电子图书资源,如何根据用户需求快速找到用户想要的书目,帮助用户解决选择困难的问题,成为手机阅读行业的新需求。本课题来源于手机阅读平台的实际项目需求,对原有推荐系统进行改造,以期解决原有推荐系统高延迟,新增项目无法进行“冷启动”的问题。本课题结合具体业务需求,根据图书作为商品的特点:文本信息即为全部信息,设计并实现了基于图书语义分析技术的实时推荐系统。本课题针对商品的特点,从图书标题、摘要、介绍语等自有属性信息和订购率、转订率等营销参数信息出发,将图书相似度拆分为:编辑分、基础分、相似分与协同分,并根据其各自算法的时间复杂度、数据量的大小和时延要求采用不同的算法进行计算,然后得到其加权和作为图书相似度,提高了系统推荐结果的个性化程度与准确率,并解决了系统新增项目无法进行“冷启动”的问题。同时,系统为保证系统推荐结果的实时性与数据的及时可靠处理,通过使用Storm、MapReduce、HBase等开源大数据框架对不同模块的数据采用的不同的处理方式,提高系统数据的处理效率和推荐的实时性。最后,采用A/B测试的方式以及准确率、多样性等推荐系统常见衡量指标对本课题推荐系统进行了验证,以保证推荐算法的有效性。本课题描述的推荐系统已经成功运行在app “咪咕阅读”中,为手机阅读平台带来了良好收益。