一个简单的网文推荐系统，解决书荒

[shidenggui]

最近在学习机器学习，以前很喜欢看网文，当时最烦的就是看完一本书之后找不到其他类似那么好看的书，俗称书荒。就收集了一点数据来做一个书籍相似度的查询，用了最简单的余弦相似度计算。貌似效果比预期中好点。

目前服务托管在 daocloud 上，地址: http://netbook.daoapp.io/ 。 欢迎大家试用 && 提出意见

下面是 《亵渎》 的匹配结果

[millken]

《被生活网住的人生》
这部类似的没有么？

[shidenggui]

@awolfly9 这个需要的数据集太多了，估计豆瓣淘宝之类的才有机会收集到，个人很难
@millken 只能匹配一部分网络小说

[awolfly9]

@shidenggui 可以试试抓取豆瓣的数据，利用他的数据库来做匹配，当然也可以抓取一次然后存取成自己的数据，不过我不知道你是怎么实现的

[cszhiyue]

@awolfly9 @shidenggui 楼主已经大概说了。个人不负责任的猜测应该是把网文的原文下载下载，分词，然后计算余弦相似度。豆瓣的数据知识一些评论和 tag ，应该达不到要求。
挺有意思的想法，目前也尝试做一下玩玩。

[awolfly9]

@cszhiyue 查询了一下余弦相识度，似乎明白了一点。感谢分享

可以建立一个 github 大家一起完善完善，挺好用的，如果有兴趣的话可以一起做

[cszhiyue]

@awolfly9 目前还在抓数据。测试一下再 update

[oulongqi]

很多词都搜不到哦，可以考虑先把词语丢到小说网站网随便拿几个接过来冷启动一下。

[solobat]

哈哈, 赞楼主. 之前我也把优书网的书爬到 leancloud 上, 还没来得及用呢.

[shidenggui]

@solobat 最开始本来想用 leancloud 的，后来看到 daocloud 貌似有免费送的 2x 容器，就试用了下。现在这些云服务太方便了，开发个东西，几个小时就搞定了

[awolfly9]

@cszhiyue 更新后隔空喊一下

[azh7138m]

@aeshfawre 动漫有字幕，也不是不行

[Sukizen]

楼主在哪里，有个项目想找你谈谈

[ijustdo]

1. 字数格式化 多少万字
2. 点击作者 可以搜索 同作者的相似书记
3. 点击下面任意书名 搜索点击的书名

还有就是书的量不够咧 找了好几个都没有

[ijustdo]

数据量不够啊 哈哈
多抓几个站 然后 标签建库 通一本书 如果多个站出现的相同标签加权
然后用常用词库 分词 再建一些 常用词的 向量库

到时候出了放出书名 搜索 关键词搜索 还可以放排行
如果爬虫过关 还可出热门....

有点小意思 找个小说网站卖了吧

[shidenggui]

@Sukizen https://github.com/shidenggui , 主页有邮箱

[shidenggui]

@ijustdo 谢谢思路，不过这样搞工程浩大，我也就是好玩弄了个 demo

[vlike]

感觉不错，可以介绍一下实现的原理及工具吗？

[bravecarrot]

楼主选取的特征有哪些？

[mfanming]

没有白鹿原

[alouha]

额，从零开始这本书都木有，好奇楼主的算法，希望能放到 github 上