基于協(xié)同過濾算法的論文推薦系統(tǒng)研究與設(shè)計.pdf

1、隨著互聯(lián)網(wǎng)信息時代的到來以及網(wǎng)絡(luò)技術(shù)的普及，互聯(lián)網(wǎng)在給人們的生活帶來豐富多彩的同時也導(dǎo)致了“信息過載”問題。經(jīng)調(diào)查研究顯示，目前在學(xué)術(shù)研究領(lǐng)域科技論文數(shù)量每年以6％～8％的速率增長，這也導(dǎo)致科研工作者不得不花費大量時間在論文檢索上，間接導(dǎo)致科研成本的提高。
　　基于上述問題，本文設(shè)計了一個論文推送系統(tǒng)。改進了傳統(tǒng)基于用戶的協(xié)同過濾算法，在計算用戶與用戶之間的相似度時加權(quán)融合了用戶點擊和搜索詞的相似度，并且計算點擊得分的時候會對點擊

2、文章的時間做衰減處理，進而更加精準地召回近鄰用戶。通過實驗，本文選取多樣性和準確率這兩個指標來對本文所提出的論文推薦算法進行評價。同等條件下對比傳統(tǒng)基于用戶協(xié)同過濾算法的推薦效果，實驗表明在推薦多樣性以及準確率方面本文算法更加占優(yōu)勢，從而證明了該算法的有效性。另外，本文設(shè)計了一個分布式論文抓取系統(tǒng)，通過對比單機爬蟲的抓取效率，本文所設(shè)計的分布式爬蟲可以在短時間內(nèi)高效采集論文數(shù)據(jù)，為后續(xù)系統(tǒng)的研究提供了更為專業(yè)的信息源。
　　最后對