The design of a book recommender system

Abstract

Recommender systems have revolutionized the way we navigate through an abundance of options in various domains. Book recommendation systems, in particular, have gained significant attention due to their potential to assist avid readers in discovering relevant and personalized book suggestions. This thesis focuses on designing a hybrid book recommendation system by merging three sub-recommendation systems: memory-based collaborative filtering, content-based filtering, and model-based collaborative filtering approaches. The objective is to improve the accuracy and quality of book recommendations. A comprehensive methodology was employed, including an overview, system design, implementation, and evaluation using a famous dataset. The proposed hybrid model was rigorously validated and compared against other commonly used algorithms. Results revealed the superiority of the hybrid system in terms of recommendation quality and relevance. This research contributes to the field of recommender systems and highlights the potential of hybrid approaches for enhancing personalized book recommendations. Les systèmes de recommandation ont révolutionné la façon dont nous naviguons parmi une multitude d’options dans divers domaines. Les systèmes de recommandation de livres en particulier, ont attiré une attention considérable en raison de leur capacité à aider les lecteurs avides à découvrir des suggestions de livres pertinentes et personnalisées. Cette thèse porte sur la conception d’un système hybride de recommandation de livres en fusionnant trois sous-systèmes de recommandation: le filtrage collaboratif, le filtrage basé sur le contenu et les approches de recommandation basées sur des modèles. L’objectif est d’améliorer la précision et la qualité des recommandations de livres. Une méthodologie complète a été utilisée, comprenant une vue d’ensemble, la conception du système, la mise en oeuvre et l’évaluation à l’aide d’un ensemble de données célèbres. Le modèle hybride proposé a été rigoureusement validé et comparé à d’autres algorithmes couramment utilisés. Les résultats ont révélé la supériorité du système hybride en termes de qualité et de pertinence des recommandations. Cette recherche contribue au domaine des systèmes de recommandation et met en évidence le potentiel des approches hybrides pour améliorer les recommandations de livres personnalisées. 􀀀CAy 􀀀 ­r ¤ w ¤ dn Ah CAt ¨t 􀀀 Tq§rW 􀀀 ¨ ­Cw Ty}wt 􀀀 Tm\ d ,QwO 􀀀 ¢ ¤ Yl tk A Ty}wt 􀀀 Tm\ bst 􀀀 . ¯A m 􀀀 lt ¨ T Atm 􀀀 ¨t 􀀀 tk 􀀀 AKt 􀀀 ¨ yKW`tm 􀀀 º􀀀rq 􀀀 ­d As Yl Ah Cdq 􀀀r\ 􀀀ryb A Amt¡􀀀 §rV tkl y ¡ Ty}w A\ ymO Yl T ¤rV±􀀀 £@¡ z m\ ±􀀀 A Ak Yl ºwS 􀀀 Xls§¤ Ty}wt 􀀀 Tm\ A mR b 􀀀 .TyO K 􀀀 tk 􀀀 Ay}w