基于身边服务的推荐系统的设计与实现

摘要

随着互联网的普及，互联网相关应用越来越多，随之而产生的网络信息也呈现高速增长的趋势。在面对这些大量过载的信息，人们很难从中快速找出自己需要的信息。传统的搜索引擎只能根据关键字给所有用户提供同一种结果，无法根据用户自身的喜好给出个性化的结果。个性化推荐技术的出现使得人们面对大量信息快速找出自己的需求成为了可能，相比传统的搜索引擎，个性化推荐能够依据每个人的兴趣偏好特征，把用户可能感兴趣的信息推荐给用户，让用户能够在短时间内定位自己的需求的信息。
　　推荐系统不仅能让用户快速定位到自己的需求，对于信息提供方，推荐系统能让其发布的信息能够从海量信息中脱颖而出，被广大用户关注。推荐系统的可行性以及出色的效果，极大的推动了推荐系统在商业实践中的应用和发展。目前个性化推荐系统应用最广泛的是电子商务、广告和新闻等领域，而我们在生活中远不止这些，围绕我们生活的方方面面都在互联网化，而针对身边的服务的推荐系统却少之又少。
　　本文以现有的推荐技术为基础，设计并实现了针对身边服务的推荐系统。本文的主要贡献包括：
　　1.提出了基于三种用户行为数据的用户-服务兴趣度计算方法。用户兴趣度由三种用户行为表现的兴趣度组合得出，分别是基于用户操作兴趣度、基于访问频率兴趣度和基于停留时间兴趣度。这种兴趣度计算方法能得到更准确的用户-服务兴趣度，得到更精确的用户模型。
　　2.提出适合本文推荐场景的加权混合推荐策略。首先利用基于用户的协同过滤和基于内容推荐两种推荐算法得出两组推荐结果，然后对两组结果赋予不同的权重，然后计算出最终的推荐值，按照推荐值排序给用户推荐。两种推荐算法优势互补，不仅解决了新添加服务的冷启动问题，而且提高了推荐的准确度、多样性和覆盖率，取得了更好的推荐效果。
　　3.提出根据用户反馈的权重调整方法。分别统计每次用户对两种推荐结果的点击次数，然后根据一定时间段内两种结果的点击次数占比，调整在产生推荐结果时两种推荐算法的权值。
　　4.添加生成推荐报告模块。将用户历史的行为数据进行统计总结，以图标的形式展示给用户，让用户能够清晰系统的建模过程以及自己在系统中的模型表示，提升用户体验。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1选题背景及意义

1.2国内外相关研究

1.3本文主要内容

1.4论文结构

第二章 相关技术介绍

2.1常用推荐算法

2.2相似度计算方法

2.3评价指标

2.4本章小结

第三章 系统需求分析及总体设计

3.1项目背景

3.2需求分析描述

3.3总体架构

3.4数据存储层设计

3.5本章小结

第四章 推荐系统层的设计和实现

4.1用户建模模块设计与实现

4.2推荐引擎模块设计与实现

4.3推荐结果处理

4.4推荐算法评测

4.5本章小结

第五章 推荐报告模块的设计与实现

5.1报告模板设计

5.2模板内容填充的设计与实现

5.3报告生成测试与结果展示

5.4本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

致谢

作者简介