基于LBS移动终端信息推荐系统的研究与实现

发布时间：2017-03-25 19:13

  本文关键词：基于LBS移动终端信息推荐系统的研究与实现，由笔耕文化传播整理发布。

【摘要】：随着4G网络时代的开启、智能终端的普及,以及移动互联网的时代的到来,新的技术正在融入并且改变着人们的生活、工作、学习等日常行为。在这样的趋势下,各类手机应用正蓬勃发展,基于位置的服务也在不自觉地渗透到人们的生活中,如微信,微博,手机阅读,手机游戏等,都为人们的生活提供了便利。在这样的大背景下,本文着眼于移动终端上的位置服务,不仅对基于位置服务进行了理论研究,并且设计、实现了一个基于位置服务的应用系统。其中理论部分阐述了位置服务的起源、国内外位置服务的发展与产业环境、并分析了当下位置服务所面临的挑战与机遇：随后本文对位置服务及其相关领域进行了详细地剖析：位置服务介绍了其概念、组成、应用、定位技术；相关领域的简介介绍了移动互联网,地图和一些算法(如geohash等)。系统设计与实现部分,设计并实现了一个以Android平台为客户端,J2EE平台为后端服务,Hadoop集群为日志分析系统的基于位置服务的应用系统,文中详细地介绍了系统的设计与开发过程,以及系统最终完成后的整体效果。为了使系统中所涉及到的理论与技术更加明朗,文中还介绍了一些推荐系统的相关理论以及技术领域的相关说明。推荐系统部分介绍了推荐系统的基本概念、分类、及冷启动问题；相关的技术说明包括Android系统、J2EE框架及一些传输协议与数据格式等。本文将位置服务与推荐系统结合提出了新的基于位置的推荐方法,并采用将用户行为数据分析与大数据平台结合的方式对用户喜好进行预测。虽然目前并没有成熟的基于位置的推荐方法,但前人给我们留下的财富,加上我们的努力,相信在该领域的研究一定会更加深入,道路更加广阔。
【关键词】：LBS 位置服务 推荐系统 Android 地图服务
【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】：TP311.52
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-17
• 1.1 研究背景11
• 1.2 LBS发展11-14
• 1.2.1 国内与国外12-13
• 1.2.2 挑战与机遇13-14
• 1.3 本文的研究内容与意义14-15
• 1.4 论文结构15-17
• 2 位置服务概述17-25
• 2.1 基于位置的服务17
• 2.2 LBS的应用17-18
• 2.3 定位技术18-20
• 2.3.1 基站三角测量18
• 2.3.2 卫星导航定位GPS18-19
• 2.3.3 辅助GPS19
• 2.3.4 小区识别码19-20
• 2.3.5 无线定位20
• 2.3.6 新的定位方式20
• 2.4 移动互联网20-21
• 2.5 地图21-22
• 2.5.1 地图API21
• 2.5.2 定位SDK21-22
• 2.6 GeoHash22-25
• 3 推荐系统25-35
• 3.1 概述25
• 3.2 基于内容的推荐25-26
• 3.2.1 项模型25-26
• 3.2.2 用户模型26
• 3.3 协同过滤26-27
• 3.4 基于内容与协同过滤推荐的不足27-28
• 3.4.1 基于内容推荐的不足27
• 3.4.2 基于协同过滤推荐的不足27-28
• 3.4.3 混合推荐28
• 3.5 冷启动问题28-29
• 3.5.1 冷启动问题(cold start)28
• 3.5.2 解决方案28-29
• 3.6 基于位置的推荐29-30
• 3.7 算法概述30-35
• 4 需求分析与系统设计35-53
• 4.1 需求分析35-39
• 4.1.1 功能性需求35
• 4.1.2 用例分析35-39
• 4.2 流程分析39-40
• 4.3 系统架构40-43
• 4.3.1 系统组件分解41-42
• 4.3.2 客户端架构42
• 4.3.3 服务器架构42
• 4.3.4 MVC模式42-43
• 4.4 数据格式43-50
• 4.4.1 数据库结构设计43-49
• 4.4.2 日志文件49-50
• 4.4.3 文本文件50
• 4.5 UI设计50-53
• 4.5.1 服务端51
• 4.5.2 客户端51-53
• 5 系统实现与测试53-79
• 5.1 系统开发环境53
• 5.2 服务器端功能实现53-61
• 5.2.1 分类管理54-55
• 5.2.2 信息管理55-59
• 5.2.3 店铺管理59-61
• 5.3 推荐信息计算61-67
• 5.3.1 基于map、reduce函数的实现62-66
• 5.3.2 基于Mahout库函数的实现66-67
• 5.4 客户端功能实现67-74
• 5.4.1 定位与分类信息列表展示67-69
• 5.4.2 详细信息展示69-73
• 5.4.3 地图与导航页73-74
• 5.5 单元测试与系统测试74-79
• 5.5.1 单元测试75-77
• 5.5.2 集成测试77-79
• 6 总结与展望79-83
• 6.1 工作总结79
• 6.2 产业趋势79-80
• 6.3 展望80-83
• 参考文献83-85
• 作者简历及攻读硕士学位期间取得的研究成果85-89
• 学位论文数据集89

【相似文献】

中国期刊全文数据库 前10条

1 米可菲;张勇;邢春晓;蔚欣;;面向大数据的开源推荐系统分析[J];计算机与数字工程;2013年10期

2 脱建勇;王嵩;李秀;刘文煌;;精品课共享中的推荐系统框架与实现[J];计算机工程与设计;2006年17期

3 苏冠贤;张丽霞;林丕源;刘吉平;;生物信息学推荐系统的设计与实现[J];计算机应用研究;2007年05期

4 王改芬;;推荐系统研究综述[J];软件导刊;2007年23期

5 叶群来;;营销与网络推荐系统[J];电子商务;2007年10期

6 李媚;;个性化网络学习资源推荐系统研究[J];福建电脑;2008年12期

7 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期

8 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

9 刘小燕;陈艳丽;贾宗璞;沈记全;;基于增强学习的旅行计划推荐系统[J];计算机工程;2010年21期

10 曹畋;;智能推荐系统在知识浏览领域的应用[J];硅谷;2011年21期

中国重要会议论文全文数据库 前8条

1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届（2011）中国管理学年会论文摘要集[C];2011年

3 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年

6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年

8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

中国重要报纸全文数据库 前2条

1 ;大数据如何“落地”[N];中国新闻出版报;2014年

2 本报记者 邹大斌;大数据：电商新武器[N];计算机世界;2012年

中国博士学位论文全文数据库 前10条

1 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

2 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年

3 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年

4 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年

5 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年

6 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年

7 刘士琛;面向推荐系统的关键问题研究及应用[D];中国科学技术大学;2014年

8 李方方;非独立同分布推荐系统研究[D];北京理工大学;2014年

9 李晓建;基于语义的个性化资源推荐系统中关键技术研究[D];武汉大学;2010年

10 张尧;B2C环境下用户感知可信的推荐系统理论及其关键方法研究[D];哈尔滨工业大学;2013年

中国硕士学位论文全文数据库 前10条

1 朱孔真;基于云计算的电子商务智能推荐系统研究[D];武汉理工大学;2014年

2 郭敬泽;基于赋权评分和Dpark的分布式推荐系统研究与实现[D];天津理工大学;2015年

3 周俊宇;信息推荐系统的研究与设计[D];江南大学;2015年

4 李炜;基于电子商务平台的保险推荐系统的设计与实现[D];复旦大学;2013年

5 车丰;基于排序主题模型的论文推荐系统[D];大连海事大学;2015年

6 秦大路;基于因式分解机模型的上下文感知推荐系统研究[D];郑州大学;2015年

7 徐霞婷;动态路网监控与导航推荐系统的设计与实现[D];苏州大学;2015年

8 黄学峰;基于Hadoop的电影推荐系统研究与实现[D];南京师范大学;2015年

9 路小瑞;基于Hadoop平台的职位推荐系统的设计与实现[D];上海交通大学;2015年

10 李爱宝;基于组合消费行为分析的团购推荐系统的设计与实现[D];哈尔滨工业大学;2015年

  本文关键词：基于LBS移动终端信息推荐系统的研究与实现，由笔耕文化传播整理发布。

，

本文编号：267658