基于用户兴趣的个性化推荐方法研究与应用

《基于用户兴趣的个性化推荐方法研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号基UDC于密级用户学号1108520694兴趣的个性化推荐方法专业学位论文研究工程硕士与应用基于用户兴趣的个性化推荐方法研究与应用姚凯姚凯工程领域：软件工程西安指导教师：王尚平教授理工大申请日期：2014年3月学摘要论文题目：基于用户兴趣的个性化推荐方法研究与应用学科名称：软件工程研究生：姚凯签名：指导教师：王尚平教授签名：摘要随着Internet上信息的骤增，越来越多的用户面临着信息过载和信息迷向的问题。一方面，互联网上的数据越来越多，另一方面，数据的结构变得越来越复杂，用户从这些海量信息中获取有价值的信息变得越来越困难。个性化推荐作

2、为一种重要的信息过滤技术，可以在很大程度上缓解用户的信息选择压力。去健身网是一个为健身爱好者、健身教练及健身俱乐部提供交流和沟通服务的社交网站，开发高性能、高准确度和实时的个性化推荐系统成为投资者所关注的重要需求，因为它能为用户提供个性化的推荐服务，从而进一步吸引更多的健身用户。本文根据去健身网的实际需求，以个性化推荐相关理论与技术为研究内容，通过分析用户兴趣和用户行为，利用成熟的个性化推荐算法，阐述了个性化推荐系统的开发技术。首先，研究了用户建模技术和个性化推荐算法，采用向量空间模型建模，根据与健身相关的属性权值因子假设，将Web日志挖掘、

3、基于内容的推荐算法和协同过滤算法结合，有效地解决了冷启动与数据稀疏问题，为健身用户推荐符合其兴趣爱好的健身项目。其次，在软件系统设计方面，设计和开发了一套集信息获取、用户兴趣建模、用户兴趣模型更新、模式发现及应用和个性化推荐的完整的个性化推荐系统。本文从软件体系结构、运行环境、系统模块、数据库和接口方面阐述了系统的设计和实现。最后，通过几个主要的指标对所使用的推荐算法进行了评价，说明该推荐系统在功能和性能方面都满足用户需要。关键字：向量空间模型；Web日志挖掘；协同过滤；K-means聚类；个性化推荐I摘要IIAbstractTitle:RE

4、SEARCHANDAPPLICATIONOFPERSONALIZEDRECOMMENDATIONMETHODSBASEDONUSER’SINTERESTSMajor：SoftwareEngineeringName：KaiYaoSignature:Supervisor：Pro.ShangpingWangSignature:AbstractWiththerapidgrowthofinformationontheinternet,moreandmorepeoplearefacedwiththepuzzlesofinformationoverload

5、andlostintheinformation.Ontheonehand,thedataontheinternetbecomemoreandmore,ontheotherhand,thestructureofthedatabecomemoreandmorecomplex.It’stoodifficulttogetvaluableinformationfromthesea-likeinformation.Personalizedrecommendation,animportantinformationfilteringtechnology,ca

6、neasethepressureofpeople’sinformationselection.“QujanWebsite”isasocialwebsitewhichprovidescommunicationservicesforfitnessenthusiasts,fitnesscoachesandfitnessclubs.Todevelopapersonalizedrecommendationsystemwhichishighperformance,highaccuracyandreal-timebecomesanimportantdema

7、ndthatinvestorsconcern.Itcanprovidepersonalizedrecommendationservicesforusers,soastoattractmorefitnessuserstothewebsite.Accordingtotherealneedsof“Qujanwebsite”,regardingthepersonalizedrecommendationtheoryandtechnologyasresearchcontents,thispaperutilizesthematurepersonalized

8、recommendationalgorithmsanddescribesthedevelopmenttechniquesofthepersonalizedrecom