本文關(guān)鍵詞：基于社交網(wǎng)絡(luò)的個(gè)性化推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著Web2.0技術(shù)的不斷發(fā)展,中國(guó)互聯(lián)網(wǎng)進(jìn)入了高速發(fā)展階段。微博這個(gè)新興的社交網(wǎng)絡(luò)平臺(tái),在國(guó)內(nèi)的活躍用戶非常之多,已經(jīng)成為當(dāng)前用戶分享和獲取信息的重要平臺(tái)。微博龐大的活躍人群發(fā)布了大量數(shù)據(jù),導(dǎo)致信息過載的產(chǎn)生。如何讓用戶準(zhǔn)確定位自己,并找到自己感興趣的微博信息,已經(jīng)成為廣大微博用戶關(guān)注的總要問題之一。本文實(shí)現(xiàn)了一個(gè)個(gè)性化推薦系統(tǒng),通過對(duì)用戶在推薦系統(tǒng)中的行為進(jìn)行分析來推薦給用戶感興趣的微博。本文的主要工作內(nèi)容如下:1)深入研究了新浪微博開放平臺(tái)獲取用戶微博信息的相關(guān)技術(shù),該技術(shù)主要是通過調(diào)用微博開放平臺(tái)提供API來收集數(shù)據(jù),并把這些數(shù)據(jù)作為推薦系統(tǒng)的數(shù)據(jù)源。2)使用分領(lǐng)域模型法并借鑒新浪微博已有的分類標(biāo)準(zhǔn)把用戶興趣分為8個(gè)領(lǐng)域:體育、電影、動(dòng)漫、財(cái)經(jīng)、美食、音樂、旅游、星座。找出對(duì)每個(gè)興趣領(lǐng)域比較感興趣的高質(zhì)量用戶,最后采用基于用戶的協(xié)同過濾算法,找出目標(biāo)用戶在每個(gè)興趣領(lǐng)域的K個(gè)最相似鄰居,把鄰居用戶轉(zhuǎn)發(fā)的微博作為用戶的待推薦列表。3)實(shí)現(xiàn)個(gè)性化推薦系統(tǒng),用戶通過新浪微博賬號(hào)授權(quán)登陸系統(tǒng),就能夠享受高質(zhì)量的個(gè)性化微博推薦服務(wù)。用戶在使用系統(tǒng)的過程中可以管理自己興趣領(lǐng)域也可以管理鄰居用戶即微博信息的來源還可以和系統(tǒng)反饋?zhàn)约簩?duì)推薦結(jié)果是否喜歡,方便系統(tǒng)對(duì)用戶的推薦結(jié)果進(jìn)行調(diào)整,使推薦系統(tǒng)變得更好,隨時(shí)滿足用戶個(gè)性化需求。對(duì)用戶使用系統(tǒng)的情況進(jìn)行分析,發(fā)現(xiàn)系統(tǒng)總體效果比較令用戶滿意。系統(tǒng)能夠給用戶一個(gè)比較好的微博推薦服務(wù),為解決信息過載問題奠定了基礎(chǔ)。
【關(guān)鍵詞】：開放平臺(tái) 個(gè)性化推薦 協(xié)同過濾 微博
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.3
【目錄】：

• 摘要5-6
• Abstract6-7
• 第一章 緒論7-14
• 1.1 研究背景與意義7-8
• 1.1.1 研究背景7-8
• 1.1.2 意義8
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-11
• 1.2.1 微博現(xiàn)狀的研究8-9
• 1.2.2 個(gè)性化推薦系統(tǒng)9-11
• 1.3 研究?jī)?nèi)容與結(jié)構(gòu)安排11-13
• 1.3.1 本文的研究?jī)?nèi)容11-12
• 1.3.2 研究技術(shù)路線12-13
• 1.3.3 本文的結(jié)構(gòu)安排13
• 本章小結(jié)13-14
• 第二章 系統(tǒng)相關(guān)技術(shù)介紹14-22
• 2.1 推薦算法綜述14-18
• 2.1.1 基于內(nèi)容的推薦14-15
• 2.1.2 基于規(guī)則的推薦15
• 2.1.3 基于協(xié)同過濾的推薦15-18
• 2.2 用戶數(shù)據(jù)收集18-19
• 2.3 社交網(wǎng)絡(luò)概述19-21
• 2.3.1 新浪微博簡(jiǎn)介19-20
• 2.3.2 數(shù)據(jù)獲取技術(shù)20
• 2.3.3 數(shù)據(jù)獲取流程圖20-21
• 本章小結(jié)21-22
• 第三章 需求分析22-29
• 3.1 推薦系統(tǒng)任務(wù)概述22-24
• 3.1.1 推薦系統(tǒng)目標(biāo)22
• 3.1.2 系統(tǒng)工作流程22-24
• 3.2 推薦系統(tǒng)功能需求24-26
• 3.2.1 數(shù)據(jù)采集模塊25
• 3.2.2 推薦引擎模塊25-26
• 3.2.3 用戶交互模塊26
• 3.3 非功能需求分析26-27
• 3.4 個(gè)性化推薦27-28
• 3.5 用戶冷啟動(dòng)28
• 本章小結(jié)28-29
• 第四章 推薦系統(tǒng)的詳細(xì)設(shè)計(jì)29-44
• 4.1 系統(tǒng)應(yīng)用架構(gòu)設(shè)計(jì)29-30
• 4.2 系統(tǒng)功能架構(gòu)設(shè)計(jì)30-35
• 4.2.1 數(shù)據(jù)采集模塊30-32
• 4.2.2 推薦引擎模塊32-34
• 4.2.3 用戶交互模塊34-35
• 4.3 個(gè)性化Top-N方法35-39
• 4.3.1 主題模型建立36-37
• 4.3.2 用戶建模37-38
• 4.3.3 用戶相似度計(jì)算38
• 4.3.4 Top-N推薦38-39
• 4.4 數(shù)據(jù)庫(kù)設(shè)計(jì)39-41
• 4.5 推薦系統(tǒng)界面設(shè)計(jì)41-43
• 本章小結(jié)43-44
• 第五章 個(gè)性化推薦系統(tǒng)的實(shí)現(xiàn)44-59
• 5.1 數(shù)據(jù)采集模塊的實(shí)現(xiàn)44-48
• 5.1.1 API調(diào)用44-45
• 5.1.2 用戶數(shù)據(jù)采集45-48
• 5.2 推薦引擎模塊的實(shí)現(xiàn)48-51
• 5.2.1 鄰居用戶獲取48-50
• 5.2.2 推薦引擎50-51
• 5.3 用戶交互模塊的實(shí)現(xiàn)51-55
• 5.4 系統(tǒng)效果與分析55-58
• 本章小結(jié)58-59
• 第六章 總結(jié)與展望59-60
• 致謝60-61
• 附錄61-72
• 參考文獻(xiàn)72-74
• 圖版74-75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 王魁生;王曉波;;利用JSON進(jìn)行網(wǎng)站客戶端與服務(wù)器數(shù)據(jù)交互[J];軟件導(dǎo)刊;2010年03期

  本文關(guān)鍵詞：基于社交網(wǎng)絡(luò)的個(gè)性化推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：382112