一个简单的网文推荐系统，解决书荒

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

爱意满满的作品展示区。

这是一个创建于 2762 天前的主题，其中的信息可能已经有所发展或是发生改变。

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

第 1 条附言 · 2017-02-25 14:17:23 +08:00

创建了一个微信公众号推书君，把这个推荐系统集成了，方便使用。后期有空可能会加一些新功能

第 2 条附言 · 2019-07-28 20:33:23 +08:00

最近跟朋友花了一点时间做了一个推荐网文小说的网站，推书君，www.tuishujun.com 也集成了原来的相似图书搜索功能，欢迎试用。

第 3 条附言 · 2019-10-15 20:55:11 +08:00

重新发了一个帖介绍了下为什么要开发推书君以及相应的功能，https://v2ex.com/t/609492

第 4 条附言 · 2019-11-11 14:37:06 +08:00

周末花了一天时间制作了推书君的微信和 QQ 小程序版本，因为原生用的 vuejs，所以选了支持 vuejs 的 uniapp 小程序框架，整体感觉还是比较顺利的。小程序整体体验确实不错，比 web 顺滑很多。

书荒

网文

余弦

daocloud

101 条回复 • 2018-08-27 09:04:19 +08:00

1 2

❮

❯

guonning

2016-09-25 14:12:51 +08:00 via Android

很好，喜欢网文。希望可以解决书荒问题

guonning

2016-09-25 14:14:26 +08:00 via Android

希望可以把代码分享出来

hl284975274

2016-09-25 14:24:39 +08:00 via iPad

好思路！希望代码分享在 github 大家一块改进！

Abirdcfly

2016-09-25 14:56:20 +08:00 via iPhone

出乎意料的好。测试几本书的结果和我人脑推荐结果差不多。

miyuki

2016-09-25 15:06:29 +08:00

感觉挺准的

qfdk

2016-09-25 15:06:36 +08:00 via iPhone

求源码 spark 的么

zxcasdqwe9

2016-09-25 15:11:04 +08:00

建议结果列表的书名可以直接点击继续搜索

Wyatt

2016-09-25 15:13:25 +08:00

http://www.anilcetin.com/convert-apache-htaccess-to-nginx/
这个试试

Wyatt

2016-09-25 15:14:05 +08:00

无视上条，回复错了 QAQ

zxcasdqwe9

2016-09-25 15:18:20 +08:00

搜《新宋》的结果很奇怪啊

zxcasdqwe9

2016-09-25 15:21:42 +08:00

书籍重名的搜索结果需要优化

shidenggui

2016-09-25 15:26:57 +08:00

@zxcasdqwe9 为了简化结果，重名的书籍应该是都给我丢弃了

mrfox

2016-09-25 15:30:27 +08:00 via Android

试了，书名包括英文就无结果

Troevil

2016-09-25 15:30:59 +08:00

是根据关键词来的吧

hit410

2016-09-25 15:36:51 +08:00 via Android

感觉很不错

gimp

2016-09-25 15:45:34 +08:00

很棒！

mosbic

2016-09-25 16:17:42 +08:00 via Android

棒！！

nladuo

2016-09-25 16:21:06 +08:00 via iPhone

好东西，有时间自己也写一个。

kikyous

2016-09-25 16:31:43 +08:00

不错，希望能开源学习学习

lujun9972

2016-09-25 16:33:08 +08:00 via Android

请问数据从哪爬下来的？

shierji

2016-09-25 16:36:39 +08:00 via Android

楼主阿里布达年代祭都没有……

haiyang416

2016-09-25 17:14:06 +08:00 via Android

依据什么做的相似性对比？

yyyyyyyhb

2016-09-25 18:22:01 +08:00

搜索一本小说结果里还有这本小说

lcorange

2016-09-25 19:25:10 +08:00

还不错，我搜了一本喜欢的，答案前十本都一样都很喜欢，还都看过

kenken

2016-09-25 20:04:53 +08:00

不错。

woniu127

2016-09-25 20:07:56 +08:00 via Android

我想你需要一个域名， shujia.me 书架

iA7489

2016-09-25 20:13:02 +08:00 via iPhone

相当符合
赞一个

dlsflh

2016-09-25 20:15:26 +08:00

使用了一下感觉还不错，用了才发现原来大家调侃的“霸道总裁爱上我”并不存在啊！
支持楼主！

wyx

2016-09-25 20:20:17 +08:00

速度好快啊

kamen

2016-09-25 22:40:41 +08:00

很不错啊，提个建议，做一个自定义排序和分类选择会更好

kamen

2016-09-25 22:42:28 +08:00

建议放到 git 上，大家一起出力

a87150

2016-09-25 23:00:37 +08:00

感觉只是单纯把有名的凑在一起，史上第一混乱和无限恐怖的相似度居然比和都市妖奇谈还高。

异常生物见闻录以及张小花其他作品（除了我就是妖怪）这些明显更相似的居然没有出现。

ipconfiger

2016-09-25 23:07:35 +08:00

输入后宫, 失败
输入穿越, 失败
感觉, 毫无用处

a570295535

2016-09-25 23:14:30 +08:00

加载速度太快了，牛啊，书的数据从哪爬下来的哇？建议把代码放到 git 上，大家一起出力，做出更精准的网文推荐系统。。。

clearbug

2016-09-25 23:22:23 +08:00 via Android

不明白上面为啥辣么多称赞的。。为啥我搜的书都木有：龙族，黑客与画家，人月神话。。。难道数据都是作者自己搜集后放到自己数据库的

wogong

2016-09-25 23:25:38 +08:00

@clearbug 说了是网文。

est

2016-09-25 23:43:06 +08:00

赞。

tscat

2016-09-26 00:14:13 +08:00 via iPhone

手里有个 sobook.org

wizardforcel

2016-09-26 00:16:29 +08:00 via Android

你都收录了悟空传居然不收录龙族？？

hatcloud

2016-09-26 00:21:00 +08:00 via iPhone

@wizardforcel 龙族不是网文

yzongyue

2016-09-26 00:42:21 +08:00 via Android

不错

icylogic

2016-09-26 01:23:37 +08:00

感觉还挺准。

如果多本同时匹配就更好了。
还有往复杂做的思路，就是建立账号系统然后像网易一样有书单，可做的事就多了。
当然现在简洁一点也挺好。

Yinz

2016-09-26 01:27:29 +08:00

猜一猜原理，从各大小说站抓小说的分类标签，然后对标签向量算余弦距离这样？:D

gzlock

2016-09-26 02:18:25 +08:00

然而楼主发个帖就跑了

kakay

2016-09-26 08:59:42 +08:00

竟然没有飘渺之旅

cosgbgas

2016-09-26 09:02:22 +08:00

看见幽冥仙途减肥的确是我的大爱。

shidenggui

2016-09-26 09:14:55 +08:00

@kakay 飘邈之旅

quericy

2016-09-26 09:19:40 +08:00

shidenggui

2016-09-26 09:30:47 +08:00

@quericy 修复了，现在应该有了。你再搜下看看

timeship

2016-09-26 09:41:18 +08:00

还行，测试了几个，还蛮准的。喜欢看雪中悍刀行，匹配到了老猫和烟男的几本书

wandero

2016-09-26 09:49:38 +08:00

赞，简单试用了下，发现乱臣贼子的类似收了猛兽记，虽然都是好书，但这两不搭边
然后收了习惯呕吐的求索这一足球小说，反而却没有作者的陌上行这种真正类似的架空

书荒还是推荐优书网
能看到这楼的都是同好，
我的优书网书单 http://www.yousuu.com/user/914383
我的个人书单站点 http://novo.cloudlet.info

lz 加油，我就想过弄出一个可以根据个人全部书目评分评估个人口味，然后推符合个人喜好的书单的书目站，不过代码盲也只能想一想了

shidenggui

2016-09-26 09:52:52 +08:00

@wandero 这是下一步的计划，不过最近估计没时间弄。弄这个 demo 花了我 2 天多的时间，后面有机会在把按用户的加上

lcatt

2016-09-26 10:13:47 +08:00

亵渎不匹配永夜君王。。。。

jasonding

2016-09-26 10:15:33 +08:00

这个不错，以后不担心书荒了，哈哈

jasonding

2016-09-26 10:20:47 +08:00

个人建议可以添加字数范围过滤，以及简单的硬分类，什么科幻、穿越、都市、重生等等，使用体验会更好点

Zzzzzzzzz

2016-09-26 10:20:52 +08:00

@quericy 搜九州·缥缈录
@wandero 就收录情况来看, 楼主爬的书目和语料大概就是优书网.....

shidenggui

2016-09-26 10:27:21 +08:00

@Zzzzzzzzz 恩，我在龙空也发过帖子，不过龙空的管理者貌似觉得这些推荐没啥用。。。

geew

2016-09-26 10:30:55 +08:00

可以

yuhuigreed

2016-09-26 10:35:48 +08:00

用了下感觉推荐的还可以

wanttofly

2016-09-26 10:37:40 +08:00

@timeship 哈哈，纯粹为雪中给你点个赞。

cenxun

2016-09-26 11:37:16 +08:00

狩魔手记赞一个

nkchivas

2016-09-26 11:49:33 +08:00

相当有效率

scorpius

2016-09-26 11:52:44 +08:00

感觉推荐的不错楼主棒棒的加油!

NARUTOzp

2016-09-26 11:55:38 +08:00

看到 daocloud ，顶一下

CuminLo

2016-09-26 12:27:59 +08:00

那么问题来了，可以做成动漫推荐么？

xzg1993

2016-09-26 12:38:46 +08:00

真棒~~

paledream

2016-09-26 13:22:51 +08:00

很棒，看楼主的头像似乎是吸血鬼猎人 D 😄

aeshfawre

2016-09-26 13:28:54 +08:00

@CuminLo 估计不行吧，网络文学可以提取关键词做相似计算，是因为楼主可以批量下载到这些网络书籍。
那种正版的书籍，没办法大批量的获得。动漫更是没办法获得关键词。
计算不了相似度。

shidenggui

2016-09-26 13:29:26 +08:00

@paledream 烙印战士

paledream

2016-09-26 13:37:38 +08:00

@shidenggui 原来是剑风传奇，眼拙了，哈哈哈哈

shidenggui

2016-09-26 13:41:15 +08:00

@NARUTOzp daocloud 更新容器要好久，给客服提了意见还没回复。我们自己部署的 jenkins 用 docker 更新非常快

xxxsicong

2016-09-26 15:42:09 +08:00

卧槽有点准

zpfhbyx

2016-09-26 16:25:32 +08:00

其实我更想知道相似算法，:) 捂脸，逃

sunyang

2016-09-26 17:27:54 +08:00 via iPhone

很准随便打了一本喜欢的书推荐的都是我喜欢看的

shunia

2016-09-26 18:02:09 +08:00

这个我是服的

livc

2016-09-26 22:16:55 +08:00

网文居然有这么多人看啊。。

mingyun

2016-09-26 22:49:03 +08:00

赞楼主

shahua365

2016-09-27 09:01:52 +08:00

大赞，希望能做到多本书匹配，然后推荐类似的书籍

shidenggui

2016-09-27 09:54:52 +08:00

@shahua365 这是下一步的方向，看看怎么弄比较好

awolfly9

2016-09-27 17:10:41 +08:00

@shidenggui 现在这个只是能够匹配网文？如果能够做到匹配所有书籍，包括散文、叙事，甚至技术书籍的话，用的人会应该会很多的

millken

2016-09-27 17:12:21 +08:00

《被生活网住的人生》
这部类似的没有么？

shidenggui

2016-09-27 17:55:26 +08:00

@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

2016-09-27 18:15:57 +08:00

@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

2016-09-27 18:51:57 +08:00

@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

2016-09-27 19:02:30 +08:00

@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

2016-09-27 19:10:58 +08:00

@awolfly9 目前还在抓数据。测试一下再 update

oulongqi

2016-09-27 21:04:04 +08:00

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

2016-09-27 22:40:17 +08:00

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

2016-09-27 22:46:04 +08:00

@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

2016-09-28 10:08:03 +08:00

@cszhiyue 更新后隔空喊一下

azh7138m

2016-09-28 10:18:36 +08:00 via Android

@aeshfawre 动漫有字幕，也不是不行

Sukizen

2016-09-29 09:05:44 +08:00

楼主在哪里，有个项目想找你谈谈

ijustdo

2016-09-29 09:28:58 +08:00

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

2016-09-29 09:35:31 +08:00

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

2016-09-29 09:36:46 +08:00

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

shidenggui

2016-09-29 11:52:00 +08:00

@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

2016-09-29 21:27:21 +08:00 via Android

感觉不错，可以介绍一下实现的原理及工具吗？

bravecarrot

2016-10-03 12:24:33 +08:00 via iPhone

楼主选取的特征有哪些？

mfanming

2016-10-06 09:27:01 +08:00

没有白鹿原

100

alouha

2016-10-24 18:35:53 +08:00

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

1 2

❮

❯