图书推荐系统，基于好书数据集的构建。

简介：
本资源专注于基于奇异值分解（SVD）的推荐系统。 奇异值分解（SVD）被应用于评级矩阵，该矩阵随后被分解为三个独立的矩阵：U、Σ 和 Vt。 具体而言，评估矩阵通过提取 U、Σ 和 Vt 矩阵的点积，按照 (U) Σ Vt 的顺序，生成一个大小为 (number_of_users x number_of_books) 的用户配置文件矩阵。 每行在这个用户配置文件矩阵中代表用户与书籍之间的相关性或偏好得分。 核心目标在于利用 SVD 生成用户个人资料，呈现出一种类似于“AKA形状”的表格形式，维度为 (number_of_user x number_of_books)。 基于此用户配置文件矩阵，并结合合适的推荐算法，系统能够为用户提供个性化的书籍推荐。 同时，该系统还需设计一个友好的用户界面，支持用户创建、更新以及接收书籍推荐功能，并且能够集成到 IN Database.py 中进行相应的变量调整, 例如设置 root_dir。