摘要：

［目的／意义］为提高高校图书馆图书个性化推荐的效率和用户满意度，提出了一种有效的在线图书推荐方法，使用聚类的方法对图书进行分类，然后根据图书的相似度来推荐新书。

$$方法/过程$$ 提出基于ISODATA聚类方法，可以实时调整聚类的精细程度。对10个不同的用户进行测试计算其TPR、FPR和F1 score。FPR的平均值低于TPR的平均值，这意味着分类器更致力于将读者不感兴趣的书从读者的列表中剔除。此外，绘制了TPR-FPR分布图，以得到分类器精度的图形化表示。 $$结果/结论$$ 将所提出的算法与基于k-means聚类的推荐算法进行了对比，结果表明基于ISODATA聚类算法的推荐方法较基于传统聚类算法更加准确有效。

关键词:

图书推荐, 推荐系统, 聚类, 机器学习