基于協(xié)同過濾的健康知識(shí)推薦系統(tǒng)的研究與應(yīng)用.pdf

1、隨著當(dāng)今互聯(lián)網(wǎng)應(yīng)用地迅速崛起，廣大用戶很方便地接收到來自各種應(yīng)用渠道的大量信息，對(duì)信息的需求得到了極大地滿足。互聯(lián)網(wǎng)信息數(shù)量激增隨之帶來的信息過載問題使得互聯(lián)網(wǎng)信息的利用率降低，用戶越來越難以快速地找到自己想要的信息，推薦系統(tǒng)的提出就是為了解決這個(gè)問題。協(xié)同過濾推薦算法是業(yè)界應(yīng)用最為廣泛的推薦算法，該推薦算法能夠根據(jù)用戶在系統(tǒng)中已經(jīng)產(chǎn)生的行為數(shù)據(jù)來分析用戶的興趣特征，為用戶產(chǎn)生個(gè)性化推薦結(jié)果。
　　本文立足于實(shí)驗(yàn)室“智慧醫(yī)療”項(xiàng)目

2、需求，將協(xié)同過濾推薦技術(shù)應(yīng)用于健康知識(shí)領(lǐng)域。由于每個(gè)用戶自身健康狀況以及關(guān)注的健康類別不同，導(dǎo)致每個(gè)用戶需要的和感興趣的健康知識(shí)也是不同的，因此，從大量的健康知識(shí)中，找出用戶喜歡的健康知識(shí)是非常必要和有意義的?；谝陨享?xiàng)目背景以及技術(shù)調(diào)研，本文開展了如下工作：
　?。?）詳細(xì)了解推薦系統(tǒng)和推薦算法相關(guān)理論知識(shí)；重點(diǎn)研究協(xié)同過濾推薦算法的工作原理、組成部分以及開源實(shí)現(xiàn)框架Mahout的相關(guān)實(shí)現(xiàn)模塊；對(duì)基于協(xié)同過濾的健康知識(shí)推薦系統(tǒng)的

3、功能模型和存在問題進(jìn)行分析，提出本文的兩項(xiàng)重要工作內(nèi)容。
　?。?）對(duì)傳統(tǒng)的協(xié)同過濾推薦算法的關(guān)鍵問題進(jìn)行研究，提出對(duì)冷啟動(dòng)和數(shù)據(jù)稀疏性的改進(jìn)辦法；重點(diǎn)引入本文使用的用戶興趣特征模型、健康知識(shí)屬性特征模型和用戶對(duì)健康知識(shí)的興趣度模型，提出基于用戶興趣度的改進(jìn)協(xié)同過濾算法，是本文的創(chuàng)新點(diǎn)。該算法通過分析用戶興趣特征數(shù)據(jù)和健康知識(shí)屬性數(shù)據(jù)，結(jié)合用戶的歷史行為數(shù)據(jù)來綜合分析用戶對(duì)健康知識(shí)的興趣度，改進(jìn)了傳統(tǒng)協(xié)同過濾算法的不足，能夠得到質(zhì)

4、量更高的推薦效果。
　?。?）闡述系統(tǒng)的設(shè)計(jì)目標(biāo)、需求分析以及架構(gòu)設(shè)計(jì)。本文包括四個(gè)功能模塊：用戶界面模塊、日志收集模塊，推薦引擎模塊和數(shù)據(jù)存儲(chǔ)模塊。日志收集模塊獲取用戶界面模塊所產(chǎn)生的用戶行為記錄，為推薦引擎模塊提供初始的數(shù)據(jù)源；推薦引擎模塊提取日志記錄，采用離線數(shù)據(jù)計(jì)算和在線數(shù)據(jù)處理相結(jié)合的推薦流程，實(shí)時(shí)響應(yīng)用戶需求，為用戶推薦其感興趣的健康知識(shí)。
　?。?）結(jié)合Mahout，完成了健康知識(shí)推薦系統(tǒng)以及改進(jìn)算法的實(shí)驗(yàn)；使