發(fā)布時間：2017-08-09 04:09

  本文關(guān)鍵詞：基于網(wǎng)絡(luò)熱點的個性化情報推薦系統(tǒng)設(shè)計與實現(xiàn)

  更多相關(guān)文章： 情報推薦 網(wǎng)絡(luò)熱點 協(xié)同過濾 興趣建模

【摘要】：互聯(lián)網(wǎng)的日益發(fā)展使我們處于信息過載的時代,如何從這些海量信息中獲取用戶最關(guān)注和最感興趣的信息已經(jīng)逐漸成為一個急需解決的問題。搜索引擎的出現(xiàn)解決了用戶獲取所需信息的需求,但是若用戶無法描述所需信息的關(guān)鍵詞,就不能進行檢索,因此需要一個更智能的系統(tǒng)來滿足這些需求,在此背景下,推薦系統(tǒng)應(yīng)運而生。 已有的推薦系統(tǒng)并沒有考慮到在情報領(lǐng)域應(yīng)用的特殊性,比如,信息熱度、實時性問題,最終導致了對情報信息推薦的效果不佳,為此,本文提出了一種基于網(wǎng)絡(luò)熱點的個性化情報推薦技術(shù),該技術(shù)在推薦內(nèi)容時會優(yōu)先推薦互聯(lián)網(wǎng)上的熱點情報信息。另外,為了進一步提高推薦系統(tǒng)的推薦準確率,設(shè)計出了一種新的基于用戶單一興趣主題的協(xié)同過濾算法,同時對推薦系統(tǒng)中的用戶興趣進行建模,隨著時間的推移用戶興趣可能發(fā)生變化,因此為確保用戶當前的興趣偏好與興趣模型描述的興趣一致,本文通過艾賓浩斯遺忘規(guī)律周期性地更新興趣模型。 通過以上研究和系統(tǒng)功能需求分析,本文設(shè)計出了基于網(wǎng)絡(luò)熱點的個性化情報推薦系統(tǒng)的總體架構(gòu)及其功能模塊,對各個模塊進行了詳細設(shè)計和編碼實現(xiàn),并對系統(tǒng)中使用的核心技術(shù)進行了詳細的說明。最后對該系統(tǒng)進行了測試和實驗,在實驗結(jié)果分析的基礎(chǔ)上,提出需要進一步完善和改進的方面。
【關(guān)鍵詞】：情報推薦 網(wǎng)絡(luò)熱點 協(xié)同過濾 興趣建模
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP391.3
【目錄】：

• 摘要5-6
• Abstract6-7
• 目錄7-11
• 第1章 緒論11-18
• 1.1 課題背景11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.3 本文主要工作16
• 1.4 論文組織結(jié)構(gòu)16-17
• 1.5 本章小結(jié)17-18
• 第2章 相關(guān)技術(shù)的研究18-30
• 2.1 引言18
• 2.2 信息熱度評價18-19
• 2.3 用戶興趣模型19-23
• 2.3.1 用戶興趣數(shù)據(jù)的采集19-20
• 2.3.2 興趣模型的表示方法20-22
• 2.3.3 興趣模型的更新22-23
• 2.4 推薦系統(tǒng)中的推薦技術(shù)23-29
• 2.4.1 推薦技術(shù)簡介23-27
• 2.4.2 主流推薦技術(shù)優(yōu)缺點及其對比27-29
• 2.4.3 推薦系統(tǒng)評價指標29
• 2.5 本章小結(jié)29-30
• 第3章 個性化情報推薦系統(tǒng)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 系統(tǒng)模型36-38
• 3.3.1 對象模型36-37
• 3.3.2 動態(tài)模型37-38
• 3.4 本章小結(jié)38-39
• 第4章 個性化情報推薦系統(tǒng)的設(shè)計與實現(xiàn)39-68
• 4.1 引言39
• 4.2 系統(tǒng)總體架構(gòu)設(shè)計39-40
• 4.3 系統(tǒng)主要功能模塊結(jié)構(gòu)設(shè)計40-42
• 4.4 系統(tǒng)模塊接口42
• 4.5 系統(tǒng)各模塊詳細設(shè)計與實現(xiàn)42-67
• 4.5.1 網(wǎng)絡(luò)爬蟲及網(wǎng)頁預處理模塊設(shè)計與實現(xiàn)42-47
• 4.5.2 信息熱度評價模塊設(shè)計與實現(xiàn)47-52
• 4.5.3 用戶興趣建模模塊設(shè)計與實現(xiàn)52-59
• 4.5.4 情報推薦模塊設(shè)計與實現(xiàn)59-64
• 4.5.5 用戶反饋模塊設(shè)計與實現(xiàn)64-67
• 4.6 本章小結(jié)67-68
• 第5章 系統(tǒng)的測試與實驗結(jié)果分析68-75
• 5.1 測試方法及測試用例68-69
• 5.2 測試環(huán)境69-70
• 5.3 實驗設(shè)計與結(jié)果分析70-74
• 5.3.1 實驗設(shè)計70-72
• 5.3.2 實驗結(jié)果及分析72-74
• 5.4 本章小結(jié)74-75
• 第6章 總結(jié)與展望75-76
• 6.1 本文總結(jié)75
• 6.2 進一步工作75-76
• 參考文獻76-80
• 附錄80-86
• 致謝86

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 顧曄;呂紅兵;;改進的增量奇異值分解協(xié)同過濾算法[J];計算機工程與應(yīng)用;2011年11期

2 王茜;王均波;;一種改進的協(xié)同過濾推薦算法[J];計算機科學;2010年06期

3 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[J];計算機學報;2010年08期

4 孟憲福;陳莉;;基于貝葉斯理論的協(xié)同過濾推薦算法[J];計算機應(yīng)用;2009年10期

5 郭亞維;劉曉霞;;文本分類中信息增益特征選擇方法的研究[J];計算機工程與應(yīng)用;2012年27期

6 徐文海;溫有奎;;一種基于TFIDF方法的中文關(guān)鍵詞抽取算法[J];情報理論與實踐;2008年02期

7 李學慶;劉瑞華;;一種基于本體論的用戶興趣模型構(gòu)建方法[J];情報探索;2010年06期

8 林倩瑜;;關(guān)聯(lián)規(guī)則挖掘算法研究綜述[J];軟件導刊;2012年06期

9 孫雨生;劉偉;仇蓉蓉;黃傳慧;;國內(nèi)用戶興趣建模研究進展[J];情報雜志;2013年05期

10 韓曉吉;劉鳳鳴;;基于艾賓浩斯遺忘的用戶興趣模型更新機制[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2012年07期

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學;2008年

2 孫慧峰;基于協(xié)同過濾的個性化Web推薦[D];北京郵電大學;2012年

3 陸銘;WEB2.0網(wǎng)絡(luò)熱點發(fā)現(xiàn)與個性化檢索研究[D];中國科學技術(shù)大學;2012年

4 劉青文;基于協(xié)同過濾的推薦算法研究[D];中國科學技術(shù)大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 代金龍;協(xié)同過濾算法中數(shù)據(jù)稀疏性問題研究[D];重慶大學;2013年

，

本文編號：643429