基于ML.Net实现书籍推荐：求输入喜好文本匹配推荐的编程示例

一、基于TF-IDF+余弦相似度的实现 #

这种方案适合快速搭建，对资源要求低，无需预训练模型，能满足基础的文本匹配需求。

步骤说明 #

• 从数据库读取书籍ID、标题和摘要数据
• 用TF-IDF将文本转换为可计算的特征向量
• 计算用户喜好文本与所有书籍摘要的余弦相似度
• 按相似度从高到低排序，取Top10返回

代码示例 #

import sqlite3
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

def load_books_from_db(db_path):
    """从数据库加载书籍数据"""
    conn = sqlite3.connect(db_path)
    cursor = conn.cursor()
    cursor.execute("SELECT id, title, summary FROM books")
    books = cursor.fetchall()
    conn.close()
    return books

def recommend_books(user_preference, books, top_n=10):
    """根据用户喜好推荐书籍"""
    # 提取所有书籍摘要
    summaries = [book[2] for book in books]
    # 将用户输入与书籍摘要合并，统一做TF-IDF拟合
    all_texts = summaries + [user_preference]
    
    # 初始化TF-IDF向量器（中文场景需替换分词器和停用词）
    tfidf = TfidfVectorizer(stop_words='english')
    tfidf_matrix = tfidf.fit_transform(all_texts)
    
    # 计算用户输入与所有书籍的相似度
    user_vector = tfidf_matrix[-1]
    similarities = cosine_similarity(user_vector, tfidf_matrix[:-1])[0]
    
    # 按相似度排序，筛选TopN书籍
    sorted_indices = similarities.argsort()[::-1][:top_n]
    recommended = [(books[i][1], similarities[i]) for i in sorted_indices]
    
    return recommended

# 示例调用
if __name__ == "__main__":
    books = load_books_from_db("books.db")
    user_input = "我喜欢科幻小说，尤其是涉及太空探索和人工智能伦理的故事"
    recommendations = recommend_books(user_input, books)
    
    print("推荐书籍：")
    for title, score in recommendations:
        print(f"- {title} (相似度: {score:.4f})")

中文场景适配说明 #

如果处理中文文本，需引入分词工具和中文停用词表，修改TF-IDF初始化代码：

import jieba
# 可自行加载中文停用词表，或使用第三方库提供的
chinese_stopwords = ["的", "了", "和", ...]

def tokenize_chinese(text):
    return jieba.lcut(text)

tfidf = TfidfVectorizer(tokenizer=tokenize_chinese, stop_words=chinese_stopwords)

二、基于Sentence-BERT的语义相似度实现 #

这种方案利用预训练语义模型，能更好地理解文本深层含义，推荐准确性更高，适合对匹配精度要求高的场景。

步骤说明 #

• 加载预训练的Sentence-BERT模型
• 将书籍摘要和用户喜好文本转换为语义向量
• 计算向量间的余弦相似度，取Top10推荐

代码示例 #

import sqlite3
from sentence_transformers import SentenceTransformer, util

def load_books_from_db(db_path):
    """从数据库加载书籍数据"""
    conn = sqlite3.connect(db_path)
    cursor = conn.cursor()
    cursor.execute("SELECT id, title, summary FROM books")
    books = cursor.fetchall()
    conn.close()
    return books

def recommend_books(user_preference, books, top_n=10):
    """使用Sentence-BERT推荐书籍"""
    # 加载预训练模型（中文场景替换为'uer/sbert-base-chinese-nli'）
    model = SentenceTransformer('all-MiniLM-L6-v2')
    
    # 批量生成书籍摘要的语义向量
    summaries = [book[2] for book in books]
    book_embeddings = model.encode(summaries, convert_to_tensor=True)
    
    # 生成用户输入的语义向量
    user_embedding = model.encode(user_preference, convert_to_tensor=True)
    
    # 计算相似度
    cos_scores = util.cos_sim(user_embedding, book_embeddings)[0]
    
    # 获取TopN结果
    top_results = cos_scores.topk(k=top_n)
    recommended = [(books[i][1], cos_scores[i].item()) for i in top_results.indices]
    
    return recommended

# 示例调用
if __name__ == "__main__":
    books = load_books_from_db("books.db")
    user_input = "I love science fiction novels about space exploration and AI ethics"
    recommendations = recommend_books(user_input, books)
    
    print("推荐书籍：")
    for title, score in recommendations:
        print(f"- {title} (相似度: {score:.4f})")

优化建议 #

• 若书籍数据量较大（如百万级），可预先计算所有书籍的语义向量并存储到数据库，避免每次推荐重复计算，提升响应速度
• 安装依赖：pip install scikit-learn sentence-transformers（sqlite3为Python内置库）

内容的提问来源于stack exchange，提问作者coolblue2000