面向移动互联网的个性化推荐系统的设计与实现

发布时间：2017-10-28 13:31

  本文关键词：面向移动互联网的个性化推荐系统的设计与实现

  更多相关文章： 移动互联网络 个性化新闻推荐 混合推荐算法 移动跨平台

【摘要】：随着互联网技术日新月异的发展,人们获取信息的方式越来越多。但是,各种铺天盖地的信息使得用户越来越难检索出自己感兴趣的信息,出现了所谓的“信息超载”现象。而个性化推荐技术是解决该问题的有效途径,它通过分析用户的检索信息行为建立用户兴趣模型,主动向用户推荐其可能感兴趣的信息。目前,在推荐技术领域中,混合推荐技术是较为流行的推荐技术,它通过融入不同的影响因子对推荐算法进行深度定制和整合。本文将针对推荐算法展开细致的分析和探讨,设计一种面向移动互联网络的新闻推荐算法,并基于此算法搭建一个新闻推荐系统,为移动端的用户推送新闻消息。本文主要研究的工作：(1)首先设计一种面向移动端的个性化定制的新闻推荐方法,对新闻文本、用户兴趣进行建模,通过研究和分析LDA主题模型训练方法生成语义文本,重构语义文本评分矩阵,构建数据字典中语义文本和评分的对应关系,推荐生成关键字,再对新闻原始库进行匹配。(2)在推荐过程中,针对评分矩阵数据稀疏和用户兴趣迁移的问题,根据项目属性对整个项目集进行聚类,然后对其填充,以达到缓解冷启动的问题。通过融入艾宾浩斯遗忘规律,为每个评分增加一个时间权重来提高推荐系统的推荐质量,改善用户兴趣迁移问题。(3)为了解决海量数据计算复杂的问题,本文采用分布式框架。通过使用非关系型数据库I IBase和关系型数据库MySQL相结合的方式对数据进行存储以满足算法和功能实现相结合的现实要求,通过Ajax异步数据交互技术,PhoneGap客户端跨平台移动开发技术,SpringMVC框架体系的结合设计出一套完整的面向移动互联网的新闻推荐系统的解决方案。最后,对面向移动端的新闻推荐系统解决方案功能进行具体实现,将算法模块和系统功能模块契合地对接,实现了客户端APP开发和后端新闻推荐系统。
【关键词】：移动互联网络 个性化新闻推荐 混合推荐算法 移动跨平台
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-12
• 1 引言12-16
• 1.1 研究背景和意义12-13
• 1.2 国内外研究现状13-14
• 1.3 论文基本内容14-15
• 1.4 论文基本结构15
• 1.5 本章小结15-16
• 2 相关技术研究16-29
• 2.1 个性化推荐理论16-20
• 2.1.1 基于关联规则推荐17-18
• 2.1.2 基于内容的推荐18
• 2.1.3 协同过滤推荐18-20
• 2.2 大数据处理平台20-25
• 2.2.1 Hadoop分布式平台简介21-22
• 2.2.2 分布式文件系统HDFS22-24
• 2.2.3 MapReduce编程模型24-25
• 2.3 移动推荐系统关键技术25-28
• 2.3.1 Spring框架体系25-27
• 2.3.2 Ajax数据交换技术27
• 2.3.3 PhoneGap跨平台移动开发技术27-28
• 2.4 本章小结28-29
• 3 移动互联网的个性化推荐模型研究29-36
• 3.1 主题模型基础29-31
• 3.1.1 主题模型简介29
• 3.1.2 主题模型方法29-31
• 3.2 主题模型求解31-33
• 3.2.1 LDA主题模型求解研究31-32
• 3.2.2 LDA主题模型求解过程32-33
• 3.3 个性化推荐算法模型研究33-35
• 3.3.1 用户兴趣模型获取33-34
• 3.3.2 新闻文本句子特征获取34-35
• 3.4 本章小结35-36
• 4 移动互联网的个性化推荐算法研究与改进36-51
• 4.1 协同过滤推荐算法研究36-40
• 4.1.1 基于用户的协同过滤推荐算法36-38
• 4.1.2 基于项目的协同过滤推荐算法38-40
• 4.2 协同过滤算法存在的问题与分析40-42
• 4.2.1 数据稀疏问题40-41
• 4.2.2 冷启动问题41
• 4.2.3 可扩展性问题41-42
• 4.3 个性化推荐算法的改进42-46
• 4.3.1 改进算法的设计42
• 4.3.2 算法的改进过程42-46
• 4.4 算法实验与分析46-50
• 4.4.1 实验环境46
• 4.4.2 评估标准46-47
• 4.4.3 测试数据集47-48
• 4.4.4 实验设计48-50
• 4.5 本章小结50-51
• 5 面向移动互联网的推荐系统设计与实现51-75
• 5.1 系统需求分析51
• 5.2 系统总体设计51-57
• 5.2.1 系统硬件设计51-52
• 5.2.2 系统软件设计52-54
• 5.2.3 系统数据库设计54-57
• 5.3 算法模块技术实现57-62
• 5.3.1 主题特征提取与模型建立57-60
• 5.3.2 推荐列表与自刷新60-62
• 5.4 移动新闻APP功能模块技术实现62-72
• 5.4.1 移动端页面布局63-64
• 5.4.2 接口的划分设计64-65
• 5.4.3 注册与登录的实现65-69
• 5.4.4 用户兴趣选择收集69-70
• 5.4.5 新闻消息推送与用户评价再获取70-72
• 5.5 系统测试72-74
• 5.5.1 测试环境72
• 5.5.2 测试方案72-73
• 5.5.3 测试结果73-74
• 5.6 本章小结74-75
• 6 总结与展望75-76
• 参考文献76-79
• 作者简历及攻读硕士学位期间取得的研究成果79-81
• 学位论文数据集81

【相似文献】

中国期刊全文数据库 前10条

1 徐义峰;徐云青;刘晓平;;一种基于时间序列性的推荐算法[J];计算机系统应用;2006年10期

2 余小鹏;;一种基于多层关联规则的推荐算法研究[J];计算机应用;2007年06期

3 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期

4 张立燕;;一种基于用户事务模式的推荐算法[J];福建电脑;2009年03期

5 王晗;夏自谦;;基于蚁群算法和浏览路径的推荐算法研究[J];中国科技信息;2009年07期

6 周珊丹;周兴社;王海鹏;倪红波;张桂英;苗强;;智能博物馆环境下的个性化推荐算法[J];计算机工程与应用;2010年19期

7 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期

8 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期

9 夏秀峰;代沁;丛丽晖;;用户显意识下的多重态度个性化推荐算法[J];计算机工程与应用;2011年16期

10 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期

中国重要会议论文全文数据库 前10条

1 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

6 梁莘q，

本文编号：1108475