个性化图书推荐系统的设计与实现

《个性化图书推荐系统的设计与实现》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、ClassifiedIndex：U．D．C：ADissertationfortheBookfessionalDegreeofMaster(MasterofEngineering)DesignandRealizationofPersonalizedBookRecommendationSystemCandidate：Supervisor：AcademicDegreeAppliedfor：EngineeringField：DateofSubmission：DateofOralExamination：University：BaiXuey

2、angBookf．MaChunguangMasterofEngineeringSoftwareEngineering2012．06．102012．06．17HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意

3、识到本声明的法律结果由本人承担。作者(签字)：么噬吆日期：z睨年∥月侈日学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(

4、口在授予学位后即可晚授予学位12个月后口解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。导师(签字)：支猫J聊年多月／0日个性化图书推荐系统的设计与实现捅要个性化推荐技术是一种通过对用户信息进行数据分析、数据挖掘，运用相似度算法计算出用户感兴趣的物品，从而达到推荐效果的一门新兴技术。该技术己经在电子商务、Web检索、数字图书馆等各个领域广泛应用。一个好的个性化推荐系统必须能够基于用户之前的口味和喜好提供相关的精确推荐，而且这种口味和喜欢的收集必须尽量少的需要用户劳动。推荐的结果必须能够实时计算，这样才能够在用户离开网站之前

5、获得推荐的内容，并且及时的对推荐结果作出反馈。实时性也是推荐系统与通常的数据挖掘技术显著不同的一个特点。本文围绕着个性化推荐技术的核心部分——个体问的相似度算法，进行研究分析，并最终设计和实现可以投入实际应用的推荐系统。因为，个体间的相似度算法是推荐技术的首要问题，也是最为关键的地方。本文将从相似度算法在推荐技术中的应用原理、不同算法的环境需求以及对性能的比较、最终算法的产生及评估这几方面进行阐述，并在文中对最终的推荐系统的整体流程和几个核心模块进行论述分析。最后，对设计和实现中出现的一些问题进行讨论，从算法的角度对程序进行优化

6、，对系统的性能进行评估。最后，本文对实际应用效果进行了分析评估。推荐系统的数据准备、分析、挖掘阶段的速度比原有的推荐系统的速度有着显著提高：而在效果方面，应用本系统进行推荐，其准确性更高。关键字：个性化推荐技术；相似度；实时；推荐系统个性化图书推荐系统的设计与实现AbstractPersonalizedrecommendationtechnologyisanewtechnologythatusesdataanalysis、dataminingandbookductssimilarityalgorithmstocalculatet

7、hevalueofcustomersinterestsinordertoachievetheeffectoftherecommendation．Thistechnologyhasbeenappliedwidelyamonge-commerce，webretrieval，digitallibraryandSOOilAgoodrecommendationsystemprividesrecommendationbaseoncustomers’interestsandfavorates．whichiScollectedwithuser’

8、Sleastefforts．TheresultsofrecommendationhavetobecalculatedonrealtimeSOthatusercangetrecommendationbeforeloggingoffandmakefeedbacks．