摘要
目前我国的图书出版物数量呈逐年上升趋势，而国内的图书选品工作仍以人工为主。随着大数据和人工智能相关技术的兴起，赋予了图书选品新的思路。本文基于图书印刷和销售市场需求，设计并实现了智能图书选品系统。 设计智能图书选品系统主要目的，一方面是优化人工选品过程，利用爬虫技术和Elasticsearch提升用户对书籍的检索和管理能力，另一方面通过综合评价指标结合社会热点进行智能推荐，筛选出实用或市场价值较高的书目。同时基于现有数据，利用预测算法在月份时间颗粒度上进行图书销售量预测，辅助用户进行选品决策。 在数据采集和处理方面，使用Scrapy爬虫服务作为图书数据的来源端，并结合连接池从多平台采集数据进行清洗和整合，具备稳定、高可用、不易被监测的特点。处理后的数据储存在分布式Elasticsearch数据库中，方便用户对图书数据的统一检索和管理。同时利用PythonDSL语法对其进行检索功能的用户友好度优化，使其满足对所需指标的快捷检索，从而减少了原生检索语法的使用复杂度，有利于用户快速准确发现目标书品。除此之外，对图书数据关键指标进行了统计分析并通过图表展示，便于用户进行选品综合分析和销量趋势把控。 在智能推荐方面，针对图书数据量大、评价标准不统一的问题，采用综合指标评价法，将作者，出版社，销量，豆瓣评分，评论数量五个方面作为评价因素，利用层次分析法计算出各价值指标的比重。得到初步结果后，再结合社会热点关键词进行结果优化，推荐出目标书品。最后利用Prophet预测算法对图书进行销售量预测，给用户的选品工作提供直观的参照，进一步提升了选品科学性。 本文利用PythonSanic异步Web作为后端服务，Vuejs作为前端，配合分布式Elasticsearch数据库完成了智能图书选品系统的设计与实现，并对该系统的稳定性、流程和功能完整性，以及用户操作便捷性都进行了相关测试。
NETL