基于网络热点的个性化情报推荐系统设计与实现

发布时间：2017-08-09 04:09

  本文关键词：基于网络热点的个性化情报推荐系统设计与实现

  更多相关文章： 情报推荐 网络热点 协同过滤 兴趣建模

【摘要】：互联网的日益发展使我们处于信息过载的时代,如何从这些海量信息中获取用户最关注和最感兴趣的信息已经逐渐成为一个急需解决的问题。搜索引擎的出现解决了用户获取所需信息的需求,但是若用户无法描述所需信息的关键词,就不能进行检索,因此需要一个更智能的系统来满足这些需求,在此背景下,推荐系统应运而生。 已有的推荐系统并没有考虑到在情报领域应用的特殊性,比如,信息热度、实时性问题,最终导致了对情报信息推荐的效果不佳,为此,本文提出了一种基于网络热点的个性化情报推荐技术,该技术在推荐内容时会优先推荐互联网上的热点情报信息。另外,为了进一步提高推荐系统的推荐准确率,设计出了一种新的基于用户单一兴趣主题的协同过滤算法,同时对推荐系统中的用户兴趣进行建模,随着时间的推移用户兴趣可能发生变化,因此为确保用户当前的兴趣偏好与兴趣模型描述的兴趣一致,本文通过艾宾浩斯遗忘规律周期性地更新兴趣模型。 通过以上研究和系统功能需求分析,本文设计出了基于网络热点的个性化情报推荐系统的总体架构及其功能模块,对各个模块进行了详细设计和编码实现,并对系统中使用的核心技术进行了详细的说明。最后对该系统进行了测试和实验,在实验结果分析的基础上,提出需要进一步完善和改进的方面。
【关键词】：情报推荐 网络热点 协同过滤 兴趣建模
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

• 摘要5-6
• Abstract6-7
• 目录7-11
• 第1章 绪论11-18
• 1.1 课题背景11-12
• 1.2 国内外研究现状12-16
• 1.3 本文主要工作16
• 1.4 论文组织结构16-17
• 1.5 本章小结17-18
• 第2章 相关技术的研究18-30
• 2.1 引言18
• 2.2 信息热度评价18-19
• 2.3 用户兴趣模型19-23
• 2.3.1 用户兴趣数据的采集19-20
• 2.3.2 兴趣模型的表示方法20-22
• 2.3.3 兴趣模型的更新22-23
• 2.4 推荐系统中的推荐技术23-29
• 2.4.1 推荐技术简介23-27
• 2.4.2 主流推荐技术优缺点及其对比27-29
• 2.4.3 推荐系统评价指标29
• 2.5 本章小结29-30
• 第3章 个性化情报推荐系统需求分析30-39
• 3.1 功能需求分析30-35
• 3.2 非功能需求分析35-36
• 3.3 系统模型36-38
• 3.3.1 对象模型36-37
• 3.3.2 动态模型37-38
• 3.4 本章小结38-39
• 第4章 个性化情报推荐系统的设计与实现39-68
• 4.1 引言39
• 4.2 系统总体架构设计39-40
• 4.3 系统主要功能模块结构设计40-42
• 4.4 系统模块接口42
• 4.5 系统各模块详细设计与实现42-67
• 4.5.1 网络爬虫及网页预处理模块设计与实现42-47
• 4.5.2 信息热度评价模块设计与实现47-52
• 4.5.3 用户兴趣建模模块设计与实现52-59
• 4.5.4 情报推荐模块设计与实现59-64
• 4.5.5 用户反馈模块设计与实现64-67
• 4.6 本章小结67-68
• 第5章 系统的测试与实验结果分析68-75
• 5.1 测试方法及测试用例68-69
• 5.2 测试环境69-70
• 5.3 实验设计与结果分析70-74
• 5.3.1 实验设计70-72
• 5.3.2 实验结果及分析72-74
• 5.4 本章小结74-75
• 第6章 总结与展望75-76
• 6.1 本文总结75
• 6.2 进一步工作75-76
• 参考文献76-80
• 附录80-86
• 致谢86

【参考文献】

中国期刊全文数据库 前10条

1 顾晔;吕红兵;;改进的增量奇异值分解协同过滤算法[J];计算机工程与应用;2011年11期

2 王茜;王均波;;一种改进的协同过滤推荐算法[J];计算机科学;2010年06期

3 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[J];计算机学报;2010年08期

4 孟宪福;陈莉;;基于贝叶斯理论的协同过滤推荐算法[J];计算机应用;2009年10期

5 郭亚维;刘晓霞;;文本分类中信息增益特征选择方法的研究[J];计算机工程与应用;2012年27期

6 徐文海;温有奎;;一种基于TFIDF方法的中文关键词抽取算法[J];情报理论与实践;2008年02期

7 李学庆;刘瑞华;;一种基于本体论的用户兴趣模型构建方法[J];情报探索;2010年06期

8 林倩瑜;;关联规则挖掘算法研究综述[J];软件导刊;2012年06期

9 孙雨生;刘伟;仇蓉蓉;黄传慧;;国内用户兴趣建模研究进展[J];情报杂志;2013年05期

10 韩晓吉;刘凤鸣;;基于艾宾浩斯遗忘的用户兴趣模型更新机制[J];网络安全技术与应用;2012年07期

中国博士学位论文全文数据库 前4条

1 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

2 孙慧峰;基于协同过滤的个性化Web推荐[D];北京邮电大学;2012年

3 陆铭;WEB2.0网络热点发现与个性化检索研究[D];中国科学技术大学;2012年

4 刘青文;基于协同过滤的推荐算法研究[D];中国科学技术大学;2013年

中国硕士学位论文全文数据库 前1条

1 代金龙;协同过滤算法中数据稀疏性问题研究[D];重庆大学;2013年

，

本文编号：643429