基于用户行为相似好友推荐系统分析.pptVIP

* * * 4.1 数据库设计 数据库共有四张表：user/ user_similarity/ user_web/ web user：存储demographic.csv文件的用户基本信息 第4章好友推荐系统的实现 图4?2 表user * 4.1 数据库设计 表user_similarity ： 存储用户经过基本信息和行为信息得到的形似度 第4章好友推荐系统的实现 图4?2 表user_similarity * 4.1 数据库设计 表user_web ： 存储用户浏览网站的频率 第4章好友推荐系统的实现 图4?2 表user_web * 4.1 数据库设计 表web ： 所有用户浏览的站点域名 第4章 好友推荐系统的实现 图4?2 表web * 4.2 服务端设计 服务端分为两层，分为数据库与数据处理层和接口层 数据访问与处理层：主要负责与地层数据库的交互，传输数据到接口层 接口层：将数据打包成xml或者json格式供前端php和js调用 第4章 好友推荐系统的实现 * 图4?3服务端设计示意图 4.3 Web前端设计 Web前端设计主要分为php脚本程序、js的Ajax程序和页面 php脚本主要负责页面大数据的一次性传输 js的ajax程序主要负责页面部分刷新数据的多次传输 第4章 微博信息传播可视化系统的实现 图4?4 Web前端设计示意图 * 4.4 系统页面展示 第4章 好友推荐系统的实现 * 接下来我们展示一下我们的推荐系统 4.4.1 主页 第4章好友推荐系统的实现 图5-1 推荐系统首页图 * 4.4.2 文档页 第4章 好友推荐系统的实现 图5-1 推荐系统文档图 * 5.3 Demo select user 第4章 微博信息传播可视化系统的实现 图5-1 推荐系统首页图 * 5.3 Demo recommend 第4章 微博信息传播可视化系统的实现 图5-1 推荐系统首页图 * 4.4.3 Demo recommend 第4章好友推荐系统的实现 图5-1 推荐系统首页图 * 5.3 Demo 推荐 第4章好友推荐系统的实现 图5-1 推荐系统首页图 * * Demo 推荐 第3章 好友推荐算法设计 第1章 概述 主要内容 第2章 相关技术分析 第4章 好友系统的实现 第5章 总结与展望 * 总结与展望 总结 分析总结了现存的推荐系统存在的问题，并提出了一种新的解决这些问题的总体方案 借用K-means聚类算法，有效解决了如何处理用户个人资料的相似问题。 利用余弦相似度计算出用户浏览网站行为的相似性 设计并实现了基于用户行为相似的好友推荐系统 展望 改进用户访问网站的相似度计算方式，将访问网站进行分类，将特征一般化，将会增大好友推荐的准确性。 改进系统现有功能，进一步提高其可用性，并研究在真实用户环境下的使用效果 第5章 总结与展望 * 谢谢！ 恳请各位专家批评指正！ * * * 各位老师，各位同学，下午好，今天我所讲的参赛题目是：“基于用户行为相似好友推荐系统的设计与实现”。 * 这是本文的主要内容，首先，我们来看看相关的研究背景 我们知道，现在推荐系统在各个领域日益流行，电子商务网站亚马逊的商品推荐，社交网络facebook的好友推荐，甚至在零售行业也出现推荐。譬如美国的医药网站WebMD根据怀孕的女性用户填写的受孕信息定期给用户寄EDM，提醒母亲在该时间点注意事项，需要摄入的营养，产前的生理变化和要做好的思想准备等等。但是推荐系统作为数据挖掘的一个重要方面，其研究和发展正处于不断成长时期，其中还存在很多问题亟待解决。这也是推荐系统本身特点所决定的。因此，本文希望能够从用户对电脑操作行为的角度，来为好友推荐系统研究提供一种有效的推荐工具。 * 要实现被顾客接受和认可的个性化推荐，设计准确、高效率的个性化推荐算法是核心。 为了克服各自的缺点，可以将各种推荐方法混合使用，以提高推荐的精确率和覆盖率。 * * 本文主要使用到的相关技术包括：xx,xx,xx 对于用户的相似度的衡量，本文主要采用了较为合理的余弦相似度； 而效果展示方面，本文采用了php+mysql。 Label Propagation算法可以作为聚类算法来使用。 基本思想很简单，就是一个节点的所在类别由与其相连的节点共同决定 * * 目前好友推荐的社交网络很多，国外的如Facebook，myspace等等，国内的如校内网、开心网、腾讯好友网等等。 这里是对现存的好友推荐模型做一下总结。 第一个是通过好友之间的互动次数衡量两者之间的亲密度 第二个 xxx xxx * Xxx xxx * 这是本文算法的总体框架： 数据收集与清洗阶段，主要负责将数据集做一些整理，获得有效数据 特征提取，主要负责从数据集里获取特征 计算最终的相似度阶段，主