基于内容推荐/协同过滤推荐算法的智能交友网站的设计实现

发布时间：2021-05-10 21:32

　　在网络技术不断发展的巨大推力下,网络信息长期处于一个爆炸式增长的状态,信息的海量增长带来了“信息过载”和“信息迷航”问题,人们在享受互联网带来的便利的同时,也不得不面对浩如烟海的数据以及大量的垃圾信息。智能推荐系统针对这类问题应运而生。本文在研究智能推荐算法理论思想的基础上设计开发了一套智能交友网站,主要工作如下：首先,介绍了智能推荐系统的基本模型和影响推荐性能的五大问题,着重分析了基于内容的推荐算法和协同过滤推荐算法及其各自的优缺点,讨论了其它推荐算法的基本思想,说明了在实际项目中使用混合推荐算法的重要意义。其次,结合目前网络上主流的交友网站,进行了项目的需求分析。在功能性需求方面画出了网站的功能性需求用例图并详细分析了各功能模块的作用；在性能性需求性方面,讨论了系统的并发性、安全性、数据抓取性能以及一些其它方面的性能。再次,以实现基于内容/协同过滤推荐算法为目的进行了数据库表的设计,画出了系统的ER图。并在设计好的数据库表基础上提出了一套混合智能推荐算法——以基于内容的推荐算法为辅助进行数据填充,用以解决数据稀疏性问题和缓解系统冷启动问题；以协同过滤算法作为推荐系统的核心算法,并采... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 智能推荐算法的研究现状
    1.3 社交网站的研究现状
    1.4 论文的主要研究工作和组织结构
第二章 智能推荐算法及其相关问题研究
    2.1 智能推荐算法概述
        2.1.1 智能推荐算法基本模型
        2.1.2 影响推荐质量的五大问题
    2.2 基于内容的推荐算法
    2.3 协同过滤推荐算法
    2.4 其它推荐算法
    2.5 本章小结
第三章 交友网站需求分析
    3.1 引言
    3.2 网站功能性需求
        3.2.1 网站功能性需求分析
        3.2.2 网站功能性用例分析
    3.3 网站非功能性需求分析
        3.3.1 并发性
        3.3.2 安全性
        3.3.3 数据抓取性能
        3.3.4 其它性能
    3.4 本章小结
第四章 混合推荐算法实现方案
    4.1 引言
    4.2 基于混合算法的系统数据库表设计
        4.2.1 数据库实体分析
        4.2.2 E-R图设计
        4.2.3 设计数据库表
    4.3 推荐算法的具体实现
        4.3.1 算法思想回顾
        4.3.2 数据稀疏性和冷启动问题
        4.3.3 余弦相似性
        4.3.4 算法框架
        4.3.5 算法实现
    4.4 本章小结
第五章 系统详细设计
    5.1 系统设计
        5.1.1 系统设计框图
        5.1.2 系统功能结构图
    5.2 各功能模块具体实现
        5.2.1 注册流程
        5.2.2 登录流程
        5.2.3 添加删除好友
        5.2.4 好友聊天
        5.2.5 内容评分
        5.2.6 内容管理
        5.2.7 修改个人信息/密码
        5.2.8 网站使用流程
    5.3 网站开发技术分析
        5.3.1 开发工具
        5.3.2 开发技术
    5.6 网站测试
        5.6.1 网站运行效果
        5.6.2 测试总结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士期间发表的论文
致谢


【参考文献】：
期刊论文
[1]基于用户话题偏好的社会网络二级人脉推荐[J]. 于海群,刘万军,邱云飞.  计算机应用. 2012(05)
[2]社交网络安全问题及其解决方案[J]. 刘建伟,李为宇,孙钰.  中国科学技术大学学报. 2011(07)
[3]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏.  自然科学进展. 2009(01)

博士论文
[1]基于商品属性的电子商务推荐系统研究[D]. 胡新明.华中科技大学 2012

硕士论文
[1]个性化推荐中协同过滤算法的改进研究[D]. 蔡观洋.吉林大学 2013
[2]社交网络中的信任推荐和好友搜索过滤算法研究[D]. 韩丽.燕山大学 2012
[3]基于社交网络好友关系的图查询算法研究与应用[D]. 史岭峰.南京理工大学 2012
[4]基于社交网络的用户行为研究[D]. 邓夏玮.北京交通大学 2012
[5]基于SNS社交网络的模型及其拓扑分析[D]. 张瀚青.东华大学 2011
[6]博客潜在朋友推荐技术的研究[D]. 牛庆鹏.东北大学 2009
[7]社交网络结构研究[D]. 刘耀庭.浙江大学 2008



本文编号：3180095