基于身边服务的推荐系统的设计与实现

发布时间：2017-11-07 13:12

  本文关键词：基于身边服务的推荐系统的设计与实现

  更多相关文章： 推荐系统 用户建模 兴趣度计算 加权混合推荐 推荐报告

【摘要】：随着互联网的普及,互联网相关应用越来越多,随之而产生的网络信息也呈现高速增长的趋势。在面对这些大量过载的信息,人们很难从中快速找出自己需要的信息。传统的搜索引擎只能根据关键字给所有用户提供同一种结果,无法根据用户自身的喜好给出个性化的结果。个性化推荐技术的出现使得人们面对大量信息快速找出自己的需求成为了可能,相比传统的搜索引擎,个性化推荐能够依据每个人的兴趣偏好特征,把用户可能感兴趣的信息推荐给用户,让用户能够在短时间内定位自己的需求的信息。推荐系统不仅能让用户快速定位到自己的需求,对于信息提供方,推荐系统能让其发布的信息能够从海量信息中脱颖而出,被广大用户关注。推荐系统的可行性以及出色的效果,极大的推动了推荐系统在商业实践中的应用和发展。目前个性化推荐系统应用最广泛的是电子商务、广告和新闻等领域,而我们在生活中远不止这些,围绕我们生活的方方面面都在互联网化,而针对身边的服务的推荐系统却少之又少。本文以现有的推荐技术为基础,设计并实现了针对身边服务的推荐系统。本文的主要贡献包括:1.提出了基于三种用户行为数据的用户-服务兴趣度计算方法。用户兴趣度由三种用户行为表现的兴趣度组合得出,分别是基于用户操作兴趣度、基于访问频率兴趣度和基于停留时间兴趣度。这种兴趣度计算方法能得到更准确的用户-服务兴趣度,得到更精确的用户模型。2.提出适合本文推荐场景的加权混合推荐策略。首先利用基于用户的协同过滤和基于内容推荐两种推荐算法得出两组推荐结果,然后对两组结果赋予不同的权重,然后计算出最终的推荐值,按照推荐值排序给用户推荐。两种推荐算法优势互补,不仅解决了新添加服务的冷启动问题,而且提高了推荐的准确度、多样性和覆盖率,取得了更好的推荐效果。3.提出根据用户反馈的权重调整方法。分别统计每次用户对两种推荐结果的点击次数,然后根据一定时间段内两种结果的点击次数占比,调整在产生推荐结果时两种推荐算法的权值。4.添加生成推荐报告模块。将用户历史的行为数据进行统计总结,以图标的形式展示给用户,让用户能够清晰系统的建模过程以及自己在系统中的模型表示,提升用户体验。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3

【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 周魏;推荐系统中基于目标项目分析的托攻击检测研究[D];重庆大学;2015年

2 田刚;融合维基知识的情境感知Web服务发现方法研究[D];武汉大学;2015年

3 胡亮;集成多元信息的推荐系统建模方法的研究[D];上海交通大学;2015年

4 孙丽梅;Web-based推荐系统中若干关键问题研究[D];东北大学;2013年

5 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

6 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

7 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

8 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

9 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

10 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

中国硕士学位论文全文数据库 前10条

1 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

2 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

3 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

4 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

5 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

6 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

7 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

8 乔保学;基于热传导和LDA的推荐系统的研究和实现[D];哈尔滨工业大学;2015年

9 王斌;基于多样性的个性化旅游推荐系统研究[D];陕西师范大学;2015年

10 王贺玉;利用关联数据中隐式反馈的Top-N推荐系统研究[D];哈尔滨工业大学;2015年

，

本文编号：1152545