面向中文微博的个性化推荐算法研究.docx

资料分类:计算机信息 上传会员:紫色烟火 更新时间:2022-06-01
需要金币1000 个金币 资料包括:完整论文 下载论文
转换比率:金额 X 10=金币数量, 例100元=1000金币 论文字数:9054
折扣与优惠:团购最低可5折优惠 - 了解详情 论文格式:Word格式(*.doc)

摘要:微博是当今最流行的社交网站之一,其影响力逐渐日益增大,越来越成为用户获取最新消息的第一手段和工具。为了更好的增进微博的服务质量,提供用户感兴趣的信息,满足用户的个性需求,微博推荐算法的研究和应用同样也变的越来越重要。

通过微博,用户可以传递消息甚至可以互相交流情感,因此用户不仅仅是微博内容的浏览者,也是微博内容的创作者。随着微博的社会影响力的越来越大,人们逐渐从一开始的被动地接受微博编辑们的分类信息,转变到现在自己关注圈里志趣相投的用户分享。面对微博越来越多的信息和不用类别的用户,如何在无序庞杂的微博信息中找出用户自己感兴趣的内容并推荐给他们,是值得深入研究的议题。

本文主要通过使用html、javascript语言完成微博推荐系统的前端设计,使用ssh搭建后台框架,用该框架结合前端页面搭建了一个小型的微博推荐系统。在构建的微博系统基础上,设计了一种微博推荐算法,并把它应用到所搭建的微博系统中去。用户可以通过登陆该微博推荐系统来查看适合自己的个性化的推荐。用户不仅可以看到当前最热门的微博和人气用户,还可以在推荐页面查看到自己感兴趣的微博或者用户。

 

关键词:微博;个性化推荐;框架

 

目录

摘要

Abstract

1引言-1

1.1需求分析-1

1.2设计目标-1

1.3技术手段及技术路线-2

2系统分析-5

2.1 可行性分析-5

2.1.1 技术可行性-5

2.1.2 经济可行性-5

2.1.3操作可行性-5

2.2需求分析-5

2.2.1测试及相关用例-5

2.2.2用例文本-6

3系统设计与实现-8

3.1系统开发环境搭建-8

3.1.1JDK环境配置-8

3.1.2IntelliJ IDEA 2017的安装与配置-8

3.1.3Tomcatserver的配置-8

3.1.4MySql数据库的安装-8

3.2系统流程-8

3.2.1模块设计-8

3.2.2块设计-9

3.3用户界面设计-10

3.4数据库设计-14

3.5功能的实现-15

3.5.1代码结构示意图-15

3.5.2算法实现-17

3.6系统测试-19

3.6.1测试的目的和方法-19

3.6.2测试的内容和结果-19

结论-20

参考文献-21

致谢-22

相关论文资料:
最新评论
上传会员 紫色烟火 对本文的描述: 个性化的推荐算法实现有很多,其中协同性过滤算法应用最为广泛,而协同性过滤算法又主要包括基于用户的推荐算法和基于物体的推荐算法。在本论文中,我用到了这两个基本的推荐......
发表评论 (我们特别支持正能量传递,您的参与就是我们最好的动力)
注册会员后发表精彩评论奖励积分,积分可以换金币,用于下载需要金币的原创资料。
您的昵称: 验证码: