基于UCL內(nèi)容標引的個性化信息推薦機制研究.pdf

1、播存網(wǎng)絡對互聯(lián)網(wǎng)熱門信息進行采集，通過廣播分發(fā)將熱門信息的UCL(Uniform ContentLabel)內(nèi)容標引和內(nèi)容全文分別推送到所有用戶終端和位于網(wǎng)絡邊緣的內(nèi)容服務器。由于互聯(lián)網(wǎng)每天更新的信息非常龐大，用戶面臨選擇困難，如何實現(xiàn)播存網(wǎng)絡“最后一跳”的信息主動服務，基于用戶興趣進行個性化信息推薦成為解決問題的關鍵。
　　本文基于UCL內(nèi)容標引研究、設計并實現(xiàn)了適用于播存網(wǎng)絡的個性化信息推薦機制。論文的主要工作體現(xiàn)在以下幾個方

2、面:
　　基于UCL內(nèi)容標引，研究并設計了適應播存網(wǎng)絡信息分發(fā)結(jié)構(gòu)的個性化推薦機制，提出了三階段推薦計算算法，分別在廣播接收模塊、用戶終端推薦引擎和邊緣服務器推薦引擎三個位置，以類別、內(nèi)容和用戶行為為粒度對用戶興趣進行了分析建模。推薦機制綜合應用了單用戶個性化推薦方法和群用戶個性化推薦方法。
　　對群用戶推薦算法的改進進行了深入研究，從相似用戶選取、項目熱度建模、時間效應建模三個角度對UserCF協(xié)同過濾算法的準確度進行了改

3、進，此外，對推薦多樣性的提高進行了研究改進。所有改進算法在Movielens數(shù)據(jù)集上進行了實驗分析與性能驗證。
　　開發(fā)實現(xiàn)了播存網(wǎng)絡的個性化推薦原型系統(tǒng)。首先，基于播存網(wǎng)絡的特點實現(xiàn)了信息分發(fā)系統(tǒng)，設計了供用戶訪問和操作的終端系統(tǒng)界面，完成了UCL和內(nèi)容全文在用戶終端和邊緣服務器之間的傳輸和處理。其次，對用戶終端推薦引擎和邊緣服務器推薦引擎分別進行了實現(xiàn)，出于設備性能和計算效率的考慮，對各個計算過程進行了在線實時計算和離線周期計