基于Play的用戶匹配與內(nèi)容推薦系統(tǒng)設計與實現(xiàn).pdf

1、隨著各種互聯(lián)網(wǎng)社區(qū)中的用戶量和相關數(shù)據(jù)量的快速增長，用戶越來越難以獲取到對自己有價值的信息，為此，需要通過計算機幫助用戶在海量信息中篩選出對每個用戶有價值的內(nèi)容。在較早時期發(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)容不會針對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)個性化，也不利于對用戶興趣的挖掘；而搜索引擎則依賴于用戶每次主動輸入的關

2、鍵詞，因此容易將用戶局限在已知的一個范圍之內(nèi)，不能夠達到內(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)開始結合機器智能算法來為用戶提供更優(yōu)質(zhì)的服務，通過機器學習的方法來歸納和總結用戶的行為習慣，達到理解用戶偏好的目的，并根據(jù)這種學習到的偏好為用戶提供個性化服務。但是，對于特定的應用領域應該使用何種方法，以及如何將已有的各種智能算法結合到實際系統(tǒng)中仍然是需要進一步研究的問題。
　　本論文以為用戶提供個性化的用戶匹配服務和內(nèi)容推薦服

3、務為目標，總結了相關領域的研究現(xiàn)狀，在對線性分類器、支持向量機和協(xié)同過濾等技術進行研究的基礎上，以教師和學生之間的匹配需求以及教學資源的共享需求為背景，設計并實現(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 實現(xiàn)、內(nèi)容推薦功能使用 LensKit 實現(xiàn)，兩者都良好地整合到了基于 Play框架實現(xiàn)的應用系統(tǒng)之中。
　　本論文相關工作的先進性主要體現(xiàn)在以下兩個方面：
　?。?）使用支持向量