基于混合过滤的推荐系统开发研究

论文摘要

随着全球信息化进程的推进以及互联网的普及,Internet逐渐成为人们获取新信息的主要途径,Web上的资源逐渐呈现爆炸式增长趋势,用户提取有价值的信息比较困难,一些不被关注的用户信息很容易成为孤岛信息,由于当下的电子商务推荐系统普遍存在推荐质量差、推荐效率低和自动化程度低的问题。因此,个性化推荐系统的出现有效的解决这些问题,个性化推荐系统分析用户的购买行为和兴趣特点,向用户推荐潜在的感兴趣和令人满意的信息,提高用户正确决策能力。本文主要阐述了个性化推荐技术,其中主要阐述了基于内容的过滤技术与基于协同的过滤技术,通过比较两者的优势和劣势,采用结合两种推荐技术进行混合推荐的方法,提出一个基于混合推荐的框架模型。在推荐系统的研究中,兴趣模型和用户聚类一直是人们研讨的热点,而本文特别关注用户兴趣模型。研究现有的经典混合过滤改进算法,发现它们存在的不足,提出改进的算法和模型,并进行验证。分析混合过滤对算法中影响推荐质量的稀疏性问题和影响用户满意度的推荐完整性问题,对混合过滤算法进行改进,提出新的混合过滤改进算法。改进相似度度量方法,是提高推荐精确率。并在此基础上搜索目标用户的最近邻居,从而缩小最近邻居的查找范围并产生推荐结果。针对传统算法中因为新用户增加导致数据量的增加,导致算法在线处理数据效率低,提出了利用用户聚类的方法将具有相似兴趣的用户划分到同一个聚类中,并提出一种以协同过滤算法为主,其他方法为主的混合过滤算法。复杂分布式Web系统推荐系统问题。建立一个模型,对多网站的分布式、松散、异构的信息进行整合,提出一种复杂分布式Web聚合推荐算法。最后,本文设计实现一个基于混合模式的复杂个性化电子商务推荐原型系统。该系统采用J2EE技术、MVC模式、SSH架构等技术进行建模。该系统是基于多模型的推荐系统引擎模型,它能够提供个性化推荐、新项目推荐、热门推荐等多方面的推荐,并综合了用户评分的功能和关键词检索,从不同层面帮助用户获取个性化信息,进一步提升了用户体验。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题的背景及意义
• 1.2 国内外的发展现状与趋势
• 1.3 主要研究内容和预期目标
• 1.4 研究方法及其可行性分析
• 1.4.1 研究方法
• 1.4.2 技术路线
• 1.4.3 可行性分析
• 1.5 研究结构安排
• 第2章 基于混合过滤推荐技术研究
• 2.1 推荐系统概述
• 2.2 基于内容方法的推荐技术
• 2.3 基于协同方法推荐技术
• 2.4 基于混合方法的推荐技术
• 第3章 基于混合过滤的推荐系统算法研究
• 3.1 混合过滤推荐系统研究
• 3.1.1 稀疏性问题
• 3.1.2 冷启动问题
• 3.1.3 混合聚类问题
• 3.1.4 混合推荐系统算法流程
• 3.2 混合过滤算法研究
• 3.2.1 用户项目评价矩阵算法
• 3.2.2 用户兴趣描述算法
• 3.2.3 兴趣模型建立方案
• 3.2.4 特征向量算法
• 3.2.5 用户群邻居形成算法
• 3.2.6 混合过滤推荐选举算法
• 3.2.7 商品的聚类算法
• 第4章 基于混合过滤的推荐系统设计
• 4.1 推荐系统原型概述
• 4.2 推荐系统总体设计
• 4.2.1 J2EE 架构
• 4.2.2 B/S 三层结构
• 4.2.3 MVC 设计模式
• 4.2.4 SOA 技术
• 4.3 架构设计
• 4.3.1 整体设计
• 4.3.2 架构风格
• 4.3.3 架构实现流程
• 4.4 系统开发及运行环境
• 4.5 系统集成平台模块设计
• 4.5.1 Portlet 模块设计
• 4.5.2 会员管理模块设计
• 4.5.3 数据库设计
• 4.5.4 数据管理设计
• 4.5.5 系统管理设计
• 4.5.6 主要推荐模块设计
• 4.5.7 信息发布设计
• 4.6 非功能性需求
• 4.6.1 性能要求
• 4.6.2 接口需求
• 第5章 结论
• 5.1 实验结论
• 5.2 进一步的工作
• 参考文献
• 致谢