社会化美食推荐系统研究与设计
这是一篇关于社会化网络,情境感知,个性化推荐,用户体验的论文, 主要内容为近年来,随着互联网技术和新的媒体形式的崛起,美食作为社会化网络的一项服务,逐渐和网络社区结合成一种互联网美食经济产业链,由此催生的美食推荐系统的设计和运营也变得越来越热门。另一方面,情境感知技术作为现阶段十大战略技术之一,被越来越多的人所关注。 本研究基于情境感知技术设计了‘’Eater食客”社会化美食推荐系统,系统目标用户是在校大学生,即被公认的“吃货”群体。系统通过感知用户在使用美食推荐系统时的情境因素,协助用户完成美食消费决策,为用户提供个性化美食推荐服务。系统通过两种途径获得用户喜好,一是用户的历史签到记录,二是用户登录系统后的个人口味标签设置,从而实现个性化推荐。同时,系统支持用户在线社交,以满足用户分享信息和获取信息的需求。 本研究工作采取以用户为中心的设计方法,分为用户需求研究、概念设计、交互设计三个部分。在用户研究阶段,通过访谈及日志法、竞品分析、焦点小组3种方法,对用户需求进行收集和分析。在概念设计阶段,根据用户需求研究结果,分析出用户使用美食推荐系统的用户行为阶段,并且提炼出各个阶段中的活跃情境因素,进一步对系统概念进行详细描述。在交互设计阶段,首先设计出系统交互流程,针对交互流程利用Mockup工具进行低保真原型设计,随后邀请研究人员对交互流程和界面进行评估。在此基础上对低保真原型进行迭代设计,对界面设计进行改进,我们选择Android系统采用Java语言进行高保真原型编程。 本研究中,我们划分出3个用户行为阶段作为研究重点,探索各个行为阶段中用户使用美食推荐系统时涉及的情境因素,探索美食推荐系统中用户所关注的社交因素。我们将从文件调研、用户需求研究、系统概念设计、系统交互设计等方面介绍论文工作。
基于分类的推荐系统优化方法研究
这是一篇关于推荐系统,矩阵分解,社会化网络,分类信息的论文, 主要内容为协同过滤和潜在因子模型是推荐系统中应用最成功的技术，它可以给用户建模，并向用户推荐其感兴趣的物品。然而数据稀疏问题和冷启动问题在现实场景中经常出现，潜在因子模型在这些场景中推荐效果很差。虽然研究人员提出社会化推荐模型把用户的社交网络信息引入到协同过滤模型中，在用户冷启动问题上有一定的作用，但是无法解决物品的冷启动问题。 为解决推荐系统中的物品冷启动问题，提出了基于分类的推荐模型。物品的分类是人们对于物品公认的标签信息，它可以用来缓解推荐系统中物品的冷启动问题。针对基于协同过滤的矩阵分解，提出基于分类的矩阵分解模型，该模型把物品分类信息整合到矩阵分解模型中。通过构造用户对分类的评分矩阵，在预测对物品评分时把用户对物品所属分类的评分作为线性加权的一部分。在社会化推荐中，提出了基于分类的社会化推荐模型，该模型把分类信息、用户的社交网络信息融入协同过滤中。在预测用户对物品的评分时，把用户自身对物品的评分、用户好友对物品的评分和用户对分类的评分进行线性加权。 针对推荐模型使用了真实的数据进行实验。MovieLens数据上基于分类的矩阵分解模型比潜在因子模型的误差降低3%，说明在协同过滤中融入物品分类信息可以提高推荐准确度。在Epinions数据和Ciao数据中，基于分类的社会化模型比传统模型的误差降低6%，说明在社会化推荐中考虑物品分类信息不但可以提高推荐准确度，同时可以解决物品的冷启动问题。
基于分类的推荐系统优化方法研究
这是一篇关于推荐系统,矩阵分解,社会化网络,分类信息的论文, 主要内容为协同过滤和潜在因子模型是推荐系统中应用最成功的技术，它可以给用户建模，并向用户推荐其感兴趣的物品。然而数据稀疏问题和冷启动问题在现实场景中经常出现，潜在因子模型在这些场景中推荐效果很差。虽然研究人员提出社会化推荐模型把用户的社交网络信息引入到协同过滤模型中，在用户冷启动问题上有一定的作用，但是无法解决物品的冷启动问题。 为解决推荐系统中的物品冷启动问题，提出了基于分类的推荐模型。物品的分类是人们对于物品公认的标签信息，它可以用来缓解推荐系统中物品的冷启动问题。针对基于协同过滤的矩阵分解，提出基于分类的矩阵分解模型，该模型把物品分类信息整合到矩阵分解模型中。通过构造用户对分类的评分矩阵，在预测对物品评分时把用户对物品所属分类的评分作为线性加权的一部分。在社会化推荐中，提出了基于分类的社会化推荐模型，该模型把分类信息、用户的社交网络信息融入协同过滤中。在预测用户对物品的评分时，把用户自身对物品的评分、用户好友对物品的评分和用户对分类的评分进行线性加权。 针对推荐模型使用了真实的数据进行实验。MovieLens数据上基于分类的矩阵分解模型比潜在因子模型的误差降低3%，说明在协同过滤中融入物品分类信息可以提高推荐准确度。在Epinions数据和Ciao数据中，基于分类的社会化模型比传统模型的误差降低6%，说明在社会化推荐中考虑物品分类信息不但可以提高推荐准确度，同时可以解决物品的冷启动问题。
基于分类的推荐系统优化方法研究
这是一篇关于推荐系统,矩阵分解,社会化网络,分类信息的论文, 主要内容为协同过滤和潜在因子模型是推荐系统中应用最成功的技术，它可以给用户建模，并向用户推荐其感兴趣的物品。然而数据稀疏问题和冷启动问题在现实场景中经常出现，潜在因子模型在这些场景中推荐效果很差。虽然研究人员提出社会化推荐模型把用户的社交网络信息引入到协同过滤模型中，在用户冷启动问题上有一定的作用，但是无法解决物品的冷启动问题。 为解决推荐系统中的物品冷启动问题，提出了基于分类的推荐模型。物品的分类是人们对于物品公认的标签信息，它可以用来缓解推荐系统中物品的冷启动问题。针对基于协同过滤的矩阵分解，提出基于分类的矩阵分解模型，该模型把物品分类信息整合到矩阵分解模型中。通过构造用户对分类的评分矩阵，在预测对物品评分时把用户对物品所属分类的评分作为线性加权的一部分。在社会化推荐中，提出了基于分类的社会化推荐模型，该模型把分类信息、用户的社交网络信息融入协同过滤中。在预测用户对物品的评分时，把用户自身对物品的评分、用户好友对物品的评分和用户对分类的评分进行线性加权。 针对推荐模型使用了真实的数据进行实验。MovieLens数据上基于分类的矩阵分解模型比潜在因子模型的误差降低3%，说明在协同过滤中融入物品分类信息可以提高推荐准确度。在Epinions数据和Ciao数据中，基于分类的社会化模型比传统模型的误差降低6%，说明在社会化推荐中考虑物品分类信息不但可以提高推荐准确度，同时可以解决物品的冷启动问题。
基于S2SH的社会化网络快速开发技术的研究与应用
这是一篇关于S2SH框架,社会化网络,框架整合,分层设计,OpenSocial的论文, 主要内容为随着互联网的不断发展，社会化网络的应用价值越来越大，并且在全球网络化不断发展的大背景下，越来越多的人参与到社会网化网络系统中。社会化网络系统能够支持人类社会中的各种行为活动，并在参与过程中和其他人建立联系、分享想法、创建内容，甚至编写小的应用等等。社会化网络发展趋势甚至对计算机软件设计和架构的原则都产生了较大的影响。 论文的研究内容着重于技术层面的社会化网络开发。通过对社会化网功能的研究与分析，得出社会化网络所具有的核心功能是让用户的人际关系在网络中能够延续，进而通过网络不断扩大用户的社会关系网。在Java开发领域，由于经典的Java EE应用规范是以EJB（企业级Java Bean）为核心，以应用服务器为运行环境，所以通常开发和运行成本都比较高。而Java应用领域中，有很多经典的开源框架，如Hibernate和Spring等，他们大都是通过对通用的功能进行封装，然后给开发者提供简单易用的API（Application Programming Interface,应用程序编程接口）接口，因此，在开发中使用这些开源框架，可以大大缩短开发周期。 首先，论文研究了社会化网络的发展现状，分析了当前主流的社交网络所采用的的后台开发技术；接着论文研究了与课题研究相关的技术，包括Struct2、Hibernate和Spring三个开源框架。 随后，本论文对社会化网络平台的功能进行了详细的分析与设计。在线社会化网络是现实中人与人的社会关系在计算机网络中的延伸，因此，社会化网络平台不仅要能够提供日志、相册、评论、群组、搜索好友等基本的社交服务，还要给用户提供能够管理人际关系的功能。在社会化网络平台中，对用户人际关系的管理是该平台的核心，是其他社交服务的基础。本论文分四个模块对社会化网络进行了分析与设计：（1）用户界面与前台逻辑模块。该模块是为了实现社会化网络平台与用户的实时交互，用户界面采用了Ajax技术；（2）社会驱动模块。该模块是社会化网络平台的核心，因为其不但肩负着将社会化网络中各个独立节点连接起来的重任，而且还要协同开放标准，能够根据用户个性推荐散发第三方应用；（3）数据访问模块。该模块是数据应用的核心组件；（4）应用模块。该模块通过在开发中应用OpenSocial标准，极大的方便了第三方应用的集成。 接下来，论文利用Struts2.2+Spring3.0+Hibernate3.6整合进行了一次社会化网络平台的开发实践。整个开发过程严格按照Java EE应用结构，且整个系统是根据表现层、MVC层、业务逻辑层、DAO层、领域对象层、数据库服务层等进行的分层设计。 最后，对全文研究内容进行了总结，并对后续的研究工作提出了展望。 通过论文的研究与实践证明，在开发中使用Java领域中的开源框架能缩短开发周期，达到快速开发系统的目的，具有一定的理论研究价值和现实意义。
基于S2SH的社会化网络快速开发技术的研究与应用
这是一篇关于S2SH框架,社会化网络,框架整合,分层设计,OpenSocial的论文, 主要内容为随着互联网的不断发展，社会化网络的应用价值越来越大，并且在全球网络化不断发展的大背景下，越来越多的人参与到社会网化网络系统中。社会化网络系统能够支持人类社会中的各种行为活动，并在参与过程中和其他人建立联系、分享想法、创建内容，甚至编写小的应用等等。社会化网络发展趋势甚至对计算机软件设计和架构的原则都产生了较大的影响。 论文的研究内容着重于技术层面的社会化网络开发。通过对社会化网功能的研究与分析，得出社会化网络所具有的核心功能是让用户的人际关系在网络中能够延续，进而通过网络不断扩大用户的社会关系网。在Java开发领域，由于经典的Java EE应用规范是以EJB（企业级Java Bean）为核心，以应用服务器为运行环境，所以通常开发和运行成本都比较高。而Java应用领域中，有很多经典的开源框架，如Hibernate和Spring等，他们大都是通过对通用的功能进行封装，然后给开发者提供简单易用的API（Application Programming Interface,应用程序编程接口）接口，因此，在开发中使用这些开源框架，可以大大缩短开发周期。 首先，论文研究了社会化网络的发展现状，分析了当前主流的社交网络所采用的的后台开发技术；接着论文研究了与课题研究相关的技术，包括Struct2、Hibernate和Spring三个开源框架。 随后，本论文对社会化网络平台的功能进行了详细的分析与设计。在线社会化网络是现实中人与人的社会关系在计算机网络中的延伸，因此，社会化网络平台不仅要能够提供日志、相册、评论、群组、搜索好友等基本的社交服务，还要给用户提供能够管理人际关系的功能。在社会化网络平台中，对用户人际关系的管理是该平台的核心，是其他社交服务的基础。本论文分四个模块对社会化网络进行了分析与设计：（1）用户界面与前台逻辑模块。该模块是为了实现社会化网络平台与用户的实时交互，用户界面采用了Ajax技术；（2）社会驱动模块。该模块是社会化网络平台的核心，因为其不但肩负着将社会化网络中各个独立节点连接起来的重任，而且还要协同开放标准，能够根据用户个性推荐散发第三方应用；（3）数据访问模块。该模块是数据应用的核心组件；（4）应用模块。该模块通过在开发中应用OpenSocial标准，极大的方便了第三方应用的集成。 接下来，论文利用Struts2.2+Spring3.0+Hibernate3.6整合进行了一次社会化网络平台的开发实践。整个开发过程严格按照Java EE应用结构，且整个系统是根据表现层、MVC层、业务逻辑层、DAO层、领域对象层、数据库服务层等进行的分层设计。 最后，对全文研究内容进行了总结，并对后续的研究工作提出了展望。 通过论文的研究与实践证明，在开发中使用Java领域中的开源框架能缩短开发周期，达到快速开发系统的目的，具有一定的理论研究价值和现实意义。
基于分类的推荐系统优化方法研究
这是一篇关于推荐系统,矩阵分解,社会化网络,分类信息的论文, 主要内容为协同过滤和潜在因子模型是推荐系统中应用最成功的技术，它可以给用户建模，并向用户推荐其感兴趣的物品。然而数据稀疏问题和冷启动问题在现实场景中经常出现，潜在因子模型在这些场景中推荐效果很差。虽然研究人员提出社会化推荐模型把用户的社交网络信息引入到协同过滤模型中，在用户冷启动问题上有一定的作用，但是无法解决物品的冷启动问题。 为解决推荐系统中的物品冷启动问题，提出了基于分类的推荐模型。物品的分类是人们对于物品公认的标签信息，它可以用来缓解推荐系统中物品的冷启动问题。针对基于协同过滤的矩阵分解，提出基于分类的矩阵分解模型，该模型把物品分类信息整合到矩阵分解模型中。通过构造用户对分类的评分矩阵，在预测对物品评分时把用户对物品所属分类的评分作为线性加权的一部分。在社会化推荐中，提出了基于分类的社会化推荐模型，该模型把分类信息、用户的社交网络信息融入协同过滤中。在预测用户对物品的评分时，把用户自身对物品的评分、用户好友对物品的评分和用户对分类的评分进行线性加权。 针对推荐模型使用了真实的数据进行实验。MovieLens数据上基于分类的矩阵分解模型比潜在因子模型的误差降低3%，说明在协同过滤中融入物品分类信息可以提高推荐准确度。在Epinions数据和Ciao数据中，基于分类的社会化模型比传统模型的误差降低6%，说明在社会化推荐中考虑物品分类信息不但可以提高推荐准确度，同时可以解决物品的冷启动问题。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码驿站 ，原文地址：https://m.bishedaima.com/lunwen/51037.html
