基于个性化推荐的移动应用管理系统的设计与实现

摘要

随着移动互联网的日益发展，各类移动应用软件的数量也呈现指数级增长，在这种需求下，各大终端厂商陆续推出了各自的移动应用管理系统，帮助用户下载、管理移动应用软件。由于大多数的移动应用管理系统仅是众多应用软件的集合，不能根据每个用户的喜好进行推荐，导致用户很难从大量移动应用中快速找到适合自己的应用。因此，基于个性化推荐的移动应用管理系统的研究具有重要意义。
　　本文研究的基于个性化推荐的移动应用管理系统分为前端、后端和推荐算法三部分。前端是系统的用户界面，用于和用户进行交互；由于Hadoop具有方便性、健壮性、可扩展性和简单性的特点，能够高效、分布式地处理移动应用产生的数据，所以系统的后端使用Hadoop框架搭建；而用户的兴趣具有模糊性和不稳定性等特点，常见的推荐算法没有考虑这些因素，Slope One算法由于只根据用户对于应用的评分来预测，显得高效、简单，而被广泛采用，但是随着用户的数量越来越多，算法的精度不断下降，本文根据用户相似性和标签相似性提出了基于用户和标签的Slope One改进算法，作为系统的推荐算法。最后，本文利用MovieLens数据集进行实验对改进的算法和原有的算法进行对比仿真，结果表明基于用户和标签的Slope One改进算法在数据集越来越大的时候精度较高。