仪器共享平台资讯定向推荐技术研究与应用

发布时间：2023-01-26 08:51

　　目前,随着科研设施和仪器规模不断扩大,覆盖范围不断增长,综合效益得到了快速地提高,但是也出现了仪器闲置、浪费等利用率较低的情况。为了更好的提高仪器资源利用效率,政府提出搭建统一的网络管理平台,实现科研设施与信息资讯共享的全链条有机衔接。为响应号召,仪器共享平台迅速在多高校搭建完成,特别是预约、管理、监督与评价等科研设施模块已经投入使用,但资讯共享模块中又出现了点击率不高,兴趣不大的问题,推荐的新闻资讯不符合用户需求,这使得用户的体验受到了严重的影响。针对以上情况,本文依托于实验室项目,对传统的新闻推荐算法进行了改进,并且设计出爬虫与推荐系统,应用到仪器共享平台中。具体内容包括:（1）算法选择:本文通过分析当前主流的几种新闻推荐算法的实现原理,研究每一种算法所适用的场景,最后确定将信任模型与聚类算法融合到基于用户的协同过滤算法中,并在此基础上进行改进。（2）信任算法的改进。之前所使用的信任算法存在两个不足,一方面是对恶意用户的影响没有考量,所以在此基础上增加了用户本身的信任度模型,使得对普通用户的信任值不变,对恶意用户的信任度降低;另一方面,传统的信任模型没有考虑用户本身的属性特征,因此... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1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 推荐系统研究现状
    1.3 论文研究的主要内容
    1.4 论文组织架构
第2章 相关技术研究
    2.1 数据收集技术
        2.1.1 网络爬虫基本介绍
        2.1.2 主题爬虫
    2.2 推荐算法介绍
        2.2.1 基于内容的推荐
        2.2.2 协同过滤推荐
    2.3 聚类算法介绍
        2.3.1 基于划分的聚类算法
        2.3.2 基于层次的聚类算法
        2.3.3 基于密度的聚类算法
        2.3.4 基于网格的聚类算法
        2.3.5 基于模型的聚类算法
    2.4 本章小结
第3章 结合信任关系与热点新闻的相似度算法
    3.1 信任关系介绍
    3.2 传统的基于信任关系的协同过滤算法
        3.2.1 传统的信任关系描述
        3.2.2 算法流程
    3.3 改进的直接信任关系模型
        3.3.1 消除恶意用户的影响
        3.3.2 融合用户属性特征相似度的信任模型
    3.4 改进的间接信任关系模型
    3.5 融合的信任关系模型
    3.6 融合热点新闻的皮尔逊相关系数
    3.7 结合信任关系与融合热点新闻的相似度算法
    3.8 章节小结
第4章 融合改进相似度的用户聚类协同过滤算法
    4.1 用户聚类算法
    4.2 k-means聚类算法改进
    4.3 邻居查找和新闻预测
    4.4 融合改进相似度的用户聚类协同过滤算法算法整体流程
第5章 平台应用与实验结果分析
    5.1 系统开发工具
    5.2 新闻爬虫模块的设计与实现
        5.2.1 爬虫系统总体架构
        5.2.2 数据来源
        5.2.3 数据库设计
        5.2.4 爬虫系统流程
        5.2.5 系统运行结果
    5.3 推荐模块的设计与实现
        5.3.1 推荐模块总体架构
        5.3.2 数据库设计
        5.3.3 系统成果展示
    5.4 实验结果与分析
        5.4.1 实验数据
        5.4.2 评价标准
        5.4.3 实验结果
    5.5 满意度调查
    5.6 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果


【参考文献】：
期刊论文
[1]个性化新闻推荐技术研究综述[J]. 王绍卿,李鑫鑫,孙福振,方春.  计算机科学与探索. 2020(01)
[2]基于用户特征的协同过滤推荐算法[J]. 蒋宗礼,于莉.  计算机系统应用. 2019(08)
[3]感知用户年龄的Item-based协同过滤推荐算法[J]. 张彩廷,祝永志.  计算机技术与发展. 2019(06)
[4]高校科研仪器设备管理效益提升策略研究[J]. 罗娅,张莹.  中华医学科研管理杂志. 2019 (01)
[5]面向热点新闻的爬虫系统设计与实现[J]. 林文涛,陈伟强,刘杭燕,叶楠.  数字通信世界. 2019(01)
[6]基于Python的新闻聚合系统网络爬虫研究[J]. 左卫刚.  长春师范大学学报. 2018(12)
[7]融合内容和改进协同过滤的个性化推荐算法[J]. 何波,潘力.  控制工程. 2018(08)
[8]改进用户相似度的协同过滤算法应用研究[J]. 肖宇航,吴明礼.  信息技术. 2018(07)
[9]融合用户聚类与项目聚类的加权Slope One算法[J]. 关志芳,孟海东.  控制工程. 2018(07)
[10]基于用户和项目双向聚类的协同过滤推荐算法[J]. 周超,孙英华,熊化峰,刘雪庆.  青岛大学学报(自然科学版). 2018(01)

硕士论文
[1]融合用户聚类和协同过滤的新闻推荐系统设计与实现[D]. 张雨.山东师范大学 2019
[2]基于信任机制的协同过滤推荐算法研究[D]. 游真旭.江西理工大学 2019
[3]基于K-means聚类算法的协同过滤服务质量预测[D]. 吴琛.浙江大学 2017



本文编号：3732371