基于用戶個(gè)性數(shù)據(jù)的信息推薦系統(tǒng)研究與實(shí)現(xiàn).pdf

1、當(dāng)下移動(dòng)互聯(lián)網(wǎng)高速發(fā)展，移動(dòng)智能設(shè)備已經(jīng)成為人們?nèi)粘Ｉ畹闹匾M成部分。運(yùn)行于移動(dòng)智能設(shè)備的基于位置服務(wù)(LocationBased Service，LBS)的應(yīng)用程序(Application，簡稱App)將現(xiàn)實(shí)生活與虛擬生活完美連接，充分挖掘了位置信息和用戶歷史行為等用戶個(gè)性數(shù)據(jù)的潛在價(jià)值。近年來，基于用戶個(gè)性數(shù)據(jù)的移動(dòng)應(yīng)用成為移動(dòng)互聯(lián)網(wǎng)和電子商務(wù)的熱門發(fā)展領(lǐng)域之一，展現(xiàn)出越來越旺盛的生命力。基于上述背景，本文研究并提出了基于RABS

2、用戶個(gè)性數(shù)據(jù)的推薦算法，并利用此算法設(shè)計(jì)實(shí)現(xiàn)了一套基于用戶個(gè)性數(shù)據(jù)的信息推薦系統(tǒng)。
　　本研究綜合利用用戶歷史數(shù)據(jù)和情境信息等提出了的一套R(shí)ABS推薦算法，該算法動(dòng)態(tài)計(jì)算物品、用戶情境信息，用戶歷史行為數(shù)據(jù)之間的相關(guān)性（通過權(quán)值體現(xiàn)）。RABS算法相比傳統(tǒng)的推薦算法在個(gè)性化推薦服務(wù)方面更能貼合用戶所處的情境，更為精準(zhǔn)地挖掘用戶在特定情境下的潛在需求，從而提高商品和服務(wù)推薦的針對(duì)性，提升推薦效果，可幫助用戶解決信息過載的困擾?；谏?/p>

3、述推薦算法設(shè)計(jì)開發(fā)一套原型系統(tǒng);原型系統(tǒng)包括：基于Android的App系統(tǒng)，該App可實(shí)時(shí)收集、計(jì)算用戶情境信息，例如時(shí)間信息、位置信息等，推薦系統(tǒng)將根據(jù)客戶所處的實(shí)時(shí)情境信息自動(dòng)更新推薦列表。如在午飯時(shí)間點(diǎn)向用戶推薦符合用戶消費(fèi)習(xí)慣的餐廳、酒店信息等；Web版的商戶管理子系統(tǒng):該子系統(tǒng)主要完成存庫管理、訂單管理和商品管理等；后臺(tái)維護(hù)子系統(tǒng):主要負(fù)責(zé)系統(tǒng)運(yùn)行維護(hù)、參數(shù)設(shè)置、用戶管理、類別管理、用戶權(quán)限管理和報(bào)表管理等；基于Mahout