基于安卓平台的手机推荐引擎的设计与实现

发布时间：2017-09-04 08:15

  本文关键词：基于安卓平台的手机推荐引擎的设计与实现

  更多相关文章： 个性化推荐 本地资源 AC算法 Trie结构 安卓手机

【摘要】：移动互联网的泛起和普及将我们带入一个数据爆炸的年代,海量数据资源在满足用户的同时,也带来了数据资源超载的问题,即随着网络上数据资源的大幅增长,人们在如此大的资源中查找自己需要的资源变的如大海捞针般困难。目前,针对该问题最有效的解决方法是采用以推荐引擎为代表的信息推送系统,它是根据监听记录用户的行为数据,分析归纳使用者的上网习惯、浏览记录等,匹配出使用者或许想知道的信息、想购买的产品并推荐给使用者。现阶段大多数商用的推荐引擎都是web服务器上进行使用者行为数据收集和建模。这不仅占用了Web服务器的系统资源,加重了成本开销,使用户行为数据的采集受到限制,还可能会导致用户信息的泄露。基于上述的时代背景,文本对android平台上的个性化推荐引擎主要做了一下研究工作:首先,对安卓系统的平台架构和基本组件进行了研究。提出采用Content Provider机制与SQLite数据库结合的方式实现对用户手机上的短信息内容和下载到手机本地的英文文本内容的提取。其次,对字符文本存储的trie(字典树)算法进行研究和改进。研究发现该树结构除根节点外的每个节点都只包含一个字符。本文提出了一种改进办法,在所有有词尾标识的节点上同时存储字符串的末尾字符和整个字符串。这样可以大大节省分析模块对存储数据的检索时间。再次,对应用在分析模块中的字符串匹配相关的kmp算法进行研究,并改进优化了AC算法。研究发现AC算法是kmp算法在复杂模式下的扩展,是在trie树的基础上为失配节点设计跳转表来减少比较次数,节省匹配时间。由于本设计是基于英文文本的分析,本文为AC算法增加了分隔符匹配的功能,来实现单词分割,优化后的算法保障了分析模块结果的准确性。最后,根据以上算法来挖掘描述用户喜好和需求的关键字,完成了分析匹配模块和广告推送模块的设计和实现,并对整个推荐系统进行测试和验证。
【关键词】：个性化推荐 本地资源 AC算法 Trie结构 安卓手机
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 绪论8-12
• 1.1 课题背景及研究意义8-9
• 1.2 国内外研究现状9-10
• 1.3 本文的主要工作10
• 1.4 本章小结10-12
• 第二章 技术介绍背景12-20
• 2.1 Android操作系统介绍12-15
• 2.1.1 Android系统的平台架构12-14
• 2.1.2 Android应用的基本组件14
• 2.1.3 Android开发的环境配置14-15
• 2.2 Android消息的处理机制介绍15-17
• 2.3 Java多线程编程17-19
• 2.3.1 多线程定义17
• 2.3.2 Java多线程的实现17-18
• 2.3.3 线程的四种状态18
• 2.3.4 线程的同步及阻塞18-19
• 2.4 本章小结19-20
• 第三章 相关算法的研究和改进20-39
• 3.1 Trie的研究与改进20-25
• 3.1.1 Trie算法的研究20-21
• 3.1.2 Trie算法的改进21-25
• 3.2 KMP算法研究25-28
• 3.3 AC算法研究28-30
• 3.4 匹配规则的设计和实现30-38
• 3.4.1 匹配规则文件设计30-31
• 3.4.2 AC算法中失败节点的创建31-34
• 3.4.3 AC算法匹配改进和优化34-38
• 3.5 本章小结38-39
• 第四章 推荐引擎的设计与实现39-52
• 4.1 概要设计39-41
• 4.2 手机本地数据资源的提取41-44
• 4.2.1 手机短信数据的提取41
• 4.2.2 手机SD卡文本数据的提取41-42
• 4.2.3 Android数据共享之contentprovider42-44
• 4.3 分析模块的设计和实现44-47
• 4.4 广告推送模块的设计与实现47-49
• 4.5 推荐引擎Demo的设计与实现49-51
• 4.5.1 Demo界面的设计与实现49-50
• 4.5.2 推荐引擎与Demo通信的实现50-51
• 4.6 本章小结51-52
• 第五章 软件的测试52-58
• 5.1 短信内容提取和消息推送的功能测试52-54
• 5.2 推荐引擎的分析功能模块测试54-57
• 5.3 本章小结57-58
• 第六章 总结与展望58-60
• 6.1 论文总结58-59
• 6.2 展望59-60
• 参考文献60-62
• 致谢62

【相似文献】

中国期刊全文数据库 前10条

1 黄竟伟，，戴大为;一种Trie结构[J];软件学报;1994年06期

2 陈骏,杨明福;基于Trie结构的并行多维数据包分类[J];计算机应用与软件;2003年11期

3 韩莹;丰继林;袁静;王茂发;张艳霞;陈福明;陈新房;潘志安;;基于二进制串的Trie索引树分词词典机制的研究[J];计算机与现代化;2013年01期

4 黄竞伟,戴大为;一种Trie结构平均时间复杂度分析[J];武汉水利电力大学学报;1996年03期

5 高文利;李德华;;基于三数组Trie索引树的词典查询机制[J];现代图书情报技术;2007年07期

6 刘丽霞;张志强;;基于Trie树的相似字符串查找算法[J];计算机应用;2013年08期

7 赵欢;朱红权;;基于双数组Trie树中文分词研究[J];湖南大学学报(自然科学版);2009年05期

8 乐娟;;基于Trie树的京剧术语语义词典[J];计算机工程;2011年S1期

9 黄竞伟,戴大为;Trie 堆[J];武汉水利电力大学学报;1997年04期

10 王思力;张华平;王斌;;双数组Trie树算法优化及其应用研究[J];中文信息学报;2006年05期

中国重要会议论文全文数据库 前3条

1 ;Study on An Absolute Non-Collision Hash and Jumping Table IP Classification Algorithms[A];Proceedings of the First Conference on Web Information System and Applications[C];2004年

2 陆叶;王丽珍;;基于蚁群优化和Trie结构的Co-location模式挖掘[A];第二十五届中国数据库学术会议论文集（一）[C];2008年

3 尚凤军;;一种IP数据包快速分类算法[A];第十七届全国过路控制会议论文集[C];2006年

中国硕士学位论文全文数据库 前4条

1 肖遥;基于Map-Reduce 和Trie树的搜索需求识别研究[D];江西师范大学;2015年

2 杨珍珍;基于安卓平台的手机推荐引擎的设计与实现[D];南京邮电大学;2016年

3 叶光辉;基于多分支Trie的虚拟路由查找算法研究[D];湖南大学;2012年

4 尹京花;改进的Trie树和AC算法在Android平台上个性化推荐引擎的设计与实现[D];成都理工大学;2013年

本文编号：790358