隨著現(xiàn)今社會中互聯(lián)網(wǎng)行業(yè)的飛速發(fā)展,我國已經(jīng)全面步入了web3.0的時代,中國網(wǎng)民規(guī)模和互聯(lián)網(wǎng)普及率。中國網(wǎng)民的規(guī)模呈現(xiàn)出逐年遞增的情況,且占據(jù)國內(nèi)人口總數(shù)的一半以上,在2018年6月就已經(jīng)到達(dá)了8億人,互聯(lián)網(wǎng)普及率也同時呈現(xiàn)出上升的趨勢,目前截止到2018年6月為止,互聯(lián)網(wǎng)的普及率已經(jīng)增長至57.7%。作為web3.0的典型代表者之一,微博在網(wǎng)民的影響力逐年增長,已經(jīng)逐步的發(fā)展為了我國現(xiàn)今市場中不可或缺的社會化媒體之一。微博的用戶人數(shù)呈現(xiàn)出增長的趨勢,在日常生活交往過程中,網(wǎng)民通過微博對外界分享自己的生活,與好友互相關(guān)注,為感興趣的話題評論等,海量的用戶人數(shù)疊加上多種動作所帶來的是龐大的數(shù)據(jù)。但是面對如此大的信息量,用戶所感興趣的只是其中的一部分而已。如何給用戶推薦真正感興趣的內(nèi)容就是推薦算法的工作。目前各大社交媒體平臺都推出了個性化推薦的功能,但是如何衡量推薦算法的推薦效果也成為了一個很重要的問題。在此基礎(chǔ)下,本文實(shí)現(xiàn)算法效果的數(shù)據(jù)多樣化展示功能,為算法人員設(shè)計(jì)算法,觀測算法效果提供了數(shù)據(jù)化的支持,同時給產(chǎn)品運(yùn)營人員撰寫報(bào)告,改進(jìn)產(chǎn)品提供了數(shù)據(jù)可視化的支持。本文使用因子分析的方法對...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與目的
        1.1.1 研究背景
        1.1.2 研究目的
    1.2 國內(nèi)外研究現(xiàn)狀分析及發(fā)展趨勢
        1.2.1 推薦算法的研究現(xiàn)狀
        1.2.2 個性化推薦算法平臺指標(biāo)分析系統(tǒng)的現(xiàn)狀
    1.3 研究目標(biāo)
    1.4 研究內(nèi)容
    1.5 論文結(jié)構(gòu)
第2章 相關(guān)概念和技術(shù)
    2.1 SOLR
    2.2 分類降維算法
        2.2.1 因子分析
        2.2.2 主成分分析法
        2.2.3 層次分析法
第3章 個性化推薦算法平臺指標(biāo)分析系統(tǒng)的需求分析
    3.1 業(yè)務(wù)需求分析與方案選擇
        3.1.1 業(yè)務(wù)需求分析
        3.1.2 方案選擇
    3.2 系統(tǒng)功能性需求分析
        3.2.1 數(shù)據(jù)監(jiān)控
        3.2.2 指標(biāo)分析
        3.2.3 綜合評分分析
    3.3 系統(tǒng)非功能性需求
        3.3.1 可靠性需求。
        3.3.2 拓展性需求。
        3.3.3 響應(yīng)時間短。
        3.3.4 易用性
    3.4 本章小結(jié)
第4章 個性化推薦算法平臺指標(biāo)分析系統(tǒng)的總體設(shè)計(jì)
    4.1 系統(tǒng)架構(gòu)設(shè)計(jì)
    4.2 系統(tǒng)功能設(shè)計(jì)
        4.2.1 數(shù)據(jù)監(jiān)控功能設(shè)計(jì)
        4.2.2 指標(biāo)分析功能設(shè)計(jì)
        4.2.3 綜合評分功能設(shè)計(jì)
    4.3 數(shù)據(jù)庫設(shè)計(jì)
        4.3.1 數(shù)據(jù)庫概念設(shè)計(jì)
        4.3.2 數(shù)據(jù)庫表結(jié)構(gòu)
    4.4 本章小結(jié)
第5章 個性化推薦算法平臺指標(biāo)分析系統(tǒng)的詳細(xì)設(shè)計(jì)
    5.1 數(shù)據(jù)監(jiān)控功能詳細(xì)設(shè)計(jì)
    5.2 指標(biāo)分析功能的詳細(xì)設(shè)計(jì)
        5.2.1 對比分析子模塊的詳細(xì)設(shè)計(jì)
        5.2.2 差值分析子模塊的詳細(xì)設(shè)計(jì)
        5.2.3 多維分析子模塊的詳細(xì)設(shè)計(jì)
    5.3 綜合評分功能的詳細(xì)設(shè)計(jì)
        5.3.1 綜合得分子功能的詳細(xì)設(shè)計(jì)
        5.3.2 自主設(shè)置權(quán)重子功能的詳細(xì)設(shè)計(jì)
    5.4 本章小結(jié)
第6章 個性化推薦算法平臺指標(biāo)分析的實(shí)現(xiàn)
    6.1 系統(tǒng)實(shí)現(xiàn)環(huán)境
        6.1.1 系統(tǒng)開發(fā)環(huán)境
        6.1.2 系統(tǒng)部署方案設(shè)計(jì)
    6.2 系統(tǒng)功能實(shí)現(xiàn)
        6.2.1 數(shù)據(jù)監(jiān)控功能的實(shí)現(xiàn)
        6.2.2 指標(biāo)分析功能的實(shí)現(xiàn)
        6.2.3 綜合評分分析的實(shí)現(xiàn)
    6.3 綜合評分分析結(jié)果評價(jià)
        6.3.1 不同評價(jià)方式的性能對比
        6.3.2 綜合評分效果的評估與驗(yàn)證
    6.4 本章小結(jié)
第7章 個性化推薦算法平臺指標(biāo)分析系統(tǒng)的系統(tǒng)測試
    7.1 測試方案介紹
    7.2 系統(tǒng)功能性測試
        7.2.1 多維度分析功能模塊測試
第8章 總結(jié)和展望
    8.1 總結(jié)
    8.2 展望
參考文獻(xiàn)
致謝



本文編號：3755804