基于Play的用戶匹配與內(nèi)容推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著各種互聯(lián)網(wǎng)社區(qū)中的用戶量和相關(guān)數(shù)據(jù)量的快速增長(zhǎng)，用戶越來越難以獲取到對(duì)自己有價(jià)值的信息，為此，需要通過計(jì)算機(jī)幫助用戶在海量信息中篩選出對(duì)每個(gè)用戶有價(jià)值的內(nèi)容。在較早時(shí)期發(fā)展起來的分類列表網(wǎng)站、搜索引擎等都是為了解決這個(gè)問題，然而這兩種方式存在著各自的局限性，分類列表網(wǎng)站的內(nèi)容不會(huì)針對(duì)不同的用戶分別提供內(nèi)容，而是為了滿足大多數(shù)用戶的普遍需求而確定的，所以不能夠?qū)崿F(xiàn)個(gè)性化，也不利于對(duì)用戶興趣的挖掘；而搜索引擎則依賴于用戶每次主動(dòng)輸入的關(guān)

2、鍵詞，因此容易將用戶局限在已知的一個(gè)范圍之內(nèi)，不能夠達(dá)到內(nèi)容新穎的效果。為了克服上述局限，各種互聯(lián)網(wǎng)社區(qū)開始結(jié)合機(jī)器智能算法來為用戶提供更優(yōu)質(zhì)的服務(wù)，通過機(jī)器學(xué)習(xí)的方法來歸納和總結(jié)用戶的行為習(xí)慣，達(dá)到理解用戶偏好的目的，并根據(jù)這種學(xué)習(xí)到的偏好為用戶提供個(gè)性化服務(wù)。但是，對(duì)于特定的應(yīng)用領(lǐng)域應(yīng)該使用何種方法，以及如何將已有的各種智能算法結(jié)合到實(shí)際系統(tǒng)中仍然是需要進(jìn)一步研究的問題。
　　本論文以為用戶提供個(gè)性化的用戶匹配服務(wù)和內(nèi)容推薦服

3、務(wù)為目標(biāo)，總結(jié)了相關(guān)領(lǐng)域的研究現(xiàn)狀，在對(duì)線性分類器、支持向量機(jī)和協(xié)同過濾等技術(shù)進(jìn)行研究的基礎(chǔ)上，以教師和學(xué)生之間的匹配需求以及教學(xué)資源的共享需求為背景，設(shè)計(jì)并實(shí)現(xiàn)了一種基于 Play 框架的用戶匹配與內(nèi)容推薦系統(tǒng)，其中用戶匹配功能使用LIBSVM 實(shí)現(xiàn)、內(nèi)容推薦功能使用 LensKit 實(shí)現(xiàn)，兩者都良好地整合到了基于 Play框架實(shí)現(xiàn)的應(yīng)用系統(tǒng)之中。
　　本論文相關(guān)工作的先進(jìn)性主要體現(xiàn)在以下兩個(gè)方面：
　?。?）使用支持向量