面向移動(dòng)互聯(lián)網(wǎng)的個(gè)性化推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)日新月異的發(fā)展，人們獲取信息的方式越來越多。但是，各種鋪天蓋地的信息使得用戶越來越難檢索出自己感興趣的信息，出現(xiàn)了所謂的“信息超載”現(xiàn)象。而個(gè)性化推薦技術(shù)是解決該問題的有效途徑，它通過分析用戶的檢索信息行為建立用戶興趣模型，主動(dòng)向用戶推薦其可能感興趣的信息。目前，在推薦技術(shù)領(lǐng)域中，混合推薦技術(shù)是較為流行的推薦技術(shù)，它通過融入不同的影響因子對推薦算法進(jìn)行深度定制和整合。本文將針對推薦算法展開細(xì)致的分析和探討，設(shè)計(jì)一種面向移動(dòng)

2、互聯(lián)網(wǎng)絡(luò)的新聞推薦算法，并基于此算法搭建一個(gè)新聞推薦系統(tǒng)，為移動(dòng)端的用戶推送新聞消息。
　　本文主要研究的工作:
　　(1)首先設(shè)計(jì)一種面向移動(dòng)端的個(gè)性化定制的新聞推薦方法，對新聞文本、用戶興趣進(jìn)行建模，通過研究和分析LDA主題模型訓(xùn)練方法生成語義文本，重構(gòu)語義文本評分矩陣，構(gòu)建數(shù)據(jù)字典中語義文本和評分的對應(yīng)關(guān)系，推薦生成關(guān)鍵字，再對新聞原始庫進(jìn)行匹配。
　　(2)在推薦過程中，針對評分矩陣數(shù)據(jù)稀疏和用戶興趣遷移的問題

3、，根據(jù)項(xiàng)目屬性對整個(gè)項(xiàng)目集進(jìn)行聚類，然后對其填充，以達(dá)到緩解冷啟動(dòng)的問題。通過融入艾賓浩斯遺忘規(guī)律，為每個(gè)評分增加一個(gè)時(shí)間權(quán)重來提高推薦系統(tǒng)的推薦質(zhì)量，改善用戶興趣遷移問題。
　　(3)為了解決海量數(shù)據(jù)計(jì)算復(fù)雜的問題，本文采用分布式框架。通過使用非關(guān)系型數(shù)據(jù)庫HBase和關(guān)系型數(shù)據(jù)庫MySQL相結(jié)合的方式對數(shù)據(jù)進(jìn)行存儲(chǔ)以滿足算法和功能實(shí)現(xiàn)相結(jié)合的現(xiàn)實(shí)要求，通過Ajax異步數(shù)據(jù)交互技術(shù)，PhoneGap客戶端跨平臺(tái)移動(dòng)開發(fā)技術(shù)，Sp