目前,隨著科研設(shè)施和儀器規(guī)模不斷擴(kuò)大,覆蓋范圍不斷增長(zhǎng),綜合效益得到了快速地提高,但是也出現(xiàn)了儀器閑置、浪費(fèi)等利用率較低的情況。為了更好的提高儀器資源利用效率,政府提出搭建統(tǒng)一的網(wǎng)絡(luò)管理平臺(tái),實(shí)現(xiàn)科研設(shè)施與信息資訊共享的全鏈條有機(jī)銜接。為響應(yīng)號(hào)召,儀器共享平臺(tái)迅速在多高校搭建完成,特別是預(yù)約、管理、監(jiān)督與評(píng)價(jià)等科研設(shè)施模塊已經(jīng)投入使用,但資訊共享模塊中又出現(xiàn)了點(diǎn)擊率不高,興趣不大的問(wèn)題,推薦的新聞資訊不符合用戶(hù)需求,這使得用戶(hù)的體驗(yàn)受到了嚴(yán)重的影響。針對(duì)以上情況,本文依托于實(shí)驗(yàn)室項(xiàng)目,對(duì)傳統(tǒng)的新聞推薦算法進(jìn)行了改進(jìn),并且設(shè)計(jì)出爬蟲(chóng)與推薦系統(tǒng),應(yīng)用到儀器共享平臺(tái)中。具體內(nèi)容包括:（1）算法選擇:本文通過(guò)分析當(dāng)前主流的幾種新聞推薦算法的實(shí)現(xiàn)原理,研究每一種算法所適用的場(chǎng)景,最后確定將信任模型與聚類(lèi)算法融合到基于用戶(hù)的協(xié)同過(guò)濾算法中,并在此基礎(chǔ)上進(jìn)行改進(jìn)。（2）信任算法的改進(jìn)。之前所使用的信任算法存在兩個(gè)不足,一方面是對(duì)惡意用戶(hù)的影響沒(méi)有考量,所以在此基礎(chǔ)上增加了用戶(hù)本身的信任度模型,使得對(duì)普通用戶(hù)的信任值不變,對(duì)惡意用戶(hù)的信任度降低;另一方面,傳統(tǒng)的信任模型沒(méi)有考慮用戶(hù)本身的屬性特征,因此... 

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 推薦系統(tǒng)研究現(xiàn)狀
    1.3 論文研究的主要內(nèi)容
    1.4 論文組織架構(gòu)
第2章 相關(guān)技術(shù)研究
    2.1 數(shù)據(jù)收集技術(shù)
        2.1.1 網(wǎng)絡(luò)爬蟲(chóng)基本介紹
        2.1.2 主題爬蟲(chóng)
    2.2 推薦算法介紹
        2.2.1 基于內(nèi)容的推薦
        2.2.2 協(xié)同過(guò)濾推薦
    2.3 聚類(lèi)算法介紹
        2.3.1 基于劃分的聚類(lèi)算法
        2.3.2 基于層次的聚類(lèi)算法
        2.3.3 基于密度的聚類(lèi)算法
        2.3.4 基于網(wǎng)格的聚類(lèi)算法
        2.3.5 基于模型的聚類(lèi)算法
    2.4 本章小結(jié)
第3章 結(jié)合信任關(guān)系與熱點(diǎn)新聞的相似度算法
    3.1 信任關(guān)系介紹
    3.2 傳統(tǒng)的基于信任關(guān)系的協(xié)同過(guò)濾算法
        3.2.1 傳統(tǒng)的信任關(guān)系描述
        3.2.2 算法流程
    3.3 改進(jìn)的直接信任關(guān)系模型
        3.3.1 消除惡意用戶(hù)的影響
        3.3.2 融合用戶(hù)屬性特征相似度的信任模型
    3.4 改進(jìn)的間接信任關(guān)系模型
    3.5 融合的信任關(guān)系模型
    3.6 融合熱點(diǎn)新聞的皮爾遜相關(guān)系數(shù)
    3.7 結(jié)合信任關(guān)系與融合熱點(diǎn)新聞的相似度算法
    3.8 章節(jié)小結(jié)
第4章 融合改進(jìn)相似度的用戶(hù)聚類(lèi)協(xié)同過(guò)濾算法
    4.1 用戶(hù)聚類(lèi)算法
    4.2 k-means聚類(lèi)算法改進(jìn)
    4.3 鄰居查找和新聞?lì)A(yù)測(cè)
    4.4 融合改進(jìn)相似度的用戶(hù)聚類(lèi)協(xié)同過(guò)濾算法算法整體流程
第5章 平臺(tái)應(yīng)用與實(shí)驗(yàn)結(jié)果分析
    5.1 系統(tǒng)開(kāi)發(fā)工具
    5.2 新聞爬蟲(chóng)模塊的設(shè)計(jì)與實(shí)現(xiàn)
        5.2.1 爬蟲(chóng)系統(tǒng)總體架構(gòu)
        5.2.2 數(shù)據(jù)來(lái)源
        5.2.3 數(shù)據(jù)庫(kù)設(shè)計(jì)
        5.2.4 爬蟲(chóng)系統(tǒng)流程
        5.2.5 系統(tǒng)運(yùn)行結(jié)果
    5.3 推薦模塊的設(shè)計(jì)與實(shí)現(xiàn)
        5.3.1 推薦模塊總體架構(gòu)
        5.3.2 數(shù)據(jù)庫(kù)設(shè)計(jì)
        5.3.3 系統(tǒng)成果展示
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 實(shí)驗(yàn)數(shù)據(jù)
        5.4.2 評(píng)價(jià)標(biāo)準(zhǔn)
        5.4.3 實(shí)驗(yàn)結(jié)果
    5.5 滿(mǎn)意度調(diào)查
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]個(gè)性化新聞推薦技術(shù)研究綜述[J]. 王紹卿,李鑫鑫,孫福振,方春.  計(jì)算機(jī)科學(xué)與探索. 2020(01)
[2]基于用戶(hù)特征的協(xié)同過(guò)濾推薦算法[J]. 蔣宗禮,于莉.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(08)
[3]感知用戶(hù)年齡的Item-based協(xié)同過(guò)濾推薦算法[J]. 張彩廷,祝永志.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(06)
[4]高�？蒲袃x器設(shè)備管理效益提升策略研究[J]. 羅婭,張瑩.  中華醫(yī)學(xué)科研管理雜志. 2019 (01)
[5]面向熱點(diǎn)新聞的爬蟲(chóng)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 林文濤,陳偉強(qiáng),劉杭燕,葉楠.  數(shù)字通信世界. 2019(01)
[6]基于Python的新聞聚合系統(tǒng)網(wǎng)絡(luò)爬蟲(chóng)研究[J]. 左衛(wèi)剛.  長(zhǎng)春師范大學(xué)學(xué)報(bào). 2018(12)
[7]融合內(nèi)容和改進(jìn)協(xié)同過(guò)濾的個(gè)性化推薦算法[J]. 何波,潘力.  控制工程. 2018(08)
[8]改進(jìn)用戶(hù)相似度的協(xié)同過(guò)濾算法應(yīng)用研究[J]. 肖宇航,吳明禮.  信息技術(shù). 2018(07)
[9]融合用戶(hù)聚類(lèi)與項(xiàng)目聚類(lèi)的加權(quán)Slope One算法[J]. 關(guān)志芳,孟海東.  控制工程. 2018(07)
[10]基于用戶(hù)和項(xiàng)目雙向聚類(lèi)的協(xié)同過(guò)濾推薦算法[J]. 周超,孫英華,熊化峰,劉雪慶.  青島大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)

碩士論文
[1]融合用戶(hù)聚類(lèi)和協(xié)同過(guò)濾的新聞推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 張雨.山東師范大學(xué) 2019
[2]基于信任機(jī)制的協(xié)同過(guò)濾推薦算法研究[D]. 游真旭.江西理工大學(xué) 2019
[3]基于K-means聚類(lèi)算法的協(xié)同過(guò)濾服務(wù)質(zhì)量預(yù)測(cè)[D]. 吳琛.浙江大學(xué) 2017



本文編號(hào)：3732371