基于云书签服务的个性化推荐WebOS系统.docVIP

基于云书签服务的个性化推荐WebOS系统 　　摘要：面对互联网中海量的信息，需要解决以下两个重要问题：一是如何从海量信息中获取对自己真正有用的信息，二是如何管理好已经获取的信息。本文设计了一种WebOS系统，其核心思想是将个性化推荐技术应用于网站的推荐，由传统的“人找信息”变为“信息找人”，从而同时解决上述两个问题。 　　关键词：云书签 个性化推荐 WebOS 网站推荐系统 协同过滤 　　中图分类号：tp311.5 文献标识码：A 文章编号：1007-9416（2015）04-0063-04 　　1 引言 　　随着互联网的高速发展与Web2.0技术的广泛应用，互联网用户的上网需求日益丰富与多元化。如何有效地管理用户浏览的网页、使用的网络应用程序成为一个重要的问题。 　　WebOS称为网络操作系统，是一种基于浏览器的虚拟操作系统。它提供了一个访问运行在服务器端的网络应用程序的窗口。用户通过浏览器来使用网络应用程序。用户浏览器与服务器程序的通信通过HTTP协议实现。WebOS的界面类似于一般操作系统的桌面。目前的WebOS主要提供网络应用程序的服务。这种服务模式较为单一，网络应用程序的普及度也不高，导致了WebOS未得到广泛应用。用户使用浏览器的最基本需求是浏览网页，必然需要网页书签来收藏和管理自己访问的网页。本文设计的WebOS系统主要基于网页书签服务，提供高效美观的书签管理方式，把握了用户的最基本需求。 　　面对庞大数目的网站，用户如何快速地获得自己感兴趣的网站而不被海量的信息所淹没以至于花费大量时间搜索无用信息？本文采用了个性化推荐技术来解决该问题。个性化推荐是根据用户的兴趣特点，针对性地为其提供信息和服务，目前主要应用于电子商务中。本文设计的WebOS将该技术运用到网站推荐中，根据用户的收藏记录反映出的兴趣信息，运用协同过滤推荐算法，将符合其兴趣的相关网站推荐给用户，达到拓展性阅读的功效。 　　本文设计了一个WebOS系统。它基于Linux，Apache，Mysql， PHP，HTML5，Javascript以及Ajax的架构，集成了书签服务、个性化推荐、文件管理与网络应用程序管理的功能，提供流畅快捷的用户体验。 　　2 网站个性化推荐 　　2.1 功能描述 　　当今互联网中网站的数量是巨大的，而大多数人常访问的网站数却很少。海量的网站信息很容易将用户淹没，增大了用户找到自己真正感兴趣的信息的难度。用户获取网站信息的主要途径为搜索引擎和门户网站。这两种方式本质都是“人找信息”的模式，均存在信息过载和无法根据用户兴趣进行个性化信息服务的缺点。本文设计的系统引用了个性化推荐技术，采集用户的网页收藏和浏览记录，依据一定的推荐算法，为每个用户针对性地推荐符合其兴趣的网站。例如某用户经常在淘宝网上购物，系统察觉他的网上购物的兴趣，就会自动推荐给他亚马逊、京东商城、Ebay等一些优质的购物网站，提供他更多元化的选择。 　　2.2 推荐算法概述 　　推荐算法是个性化推荐系统中最核心与关键的部分，很大程度上决定了系统性能的优劣。目前应用较广的推荐算法主要有协同过滤推荐、基于内容推荐、基于用户信息推荐、基于知识和规则的推荐等。互联网中网站和用户的数量都是非常巨大的，网站的类别与用户的需求也千差万别。本系统目标是同类网站推荐。对于某一类网站，网站数量远小于用户数量。基于项目的协同过滤比传统的基于相似用户的协同过滤方法计算量更小、准确度更高。网站的信息几乎是全领域而不是面向某一特定领域（如图书、电影）的，很难像基于相似用户的协同过滤算法那样找到完全“兴趣相近”的用户。基于这些特点，经过一定量的实验，本系统决定主要采用基于项目的协同过滤算法（item-based collaborative filtering algorithms）。算法基于用户的收藏和浏览频率给网站赋予评分值，根据评分值计算已评分项目与待预测项目的相似度，再以相似度作为权重，加权各已评分项目的评分，得到预测项目的预测评分值，以预测评分值作为排序依据得出Top-N推荐项目表。 　　2.3 数据模型 　　该算法的核心数据模型是一个用户-项目评分矩阵A，如表1。矩阵的行代表用户，列代表网站，矩阵单元的值为用户给网站的评分。评分可通过用户对网站的收藏和浏览频率来确定。 　　在矩阵中，假设用户数量为，网站数量为。则为的矩阵。其中，第行代表用户，第列代表网站。第行第列的值表示用户对网站的评分。 　　2.4 用户对网站评分的计算方法 　　在传统的推荐系统中，用户对项目的评分由用户的打分行为显示确定。用户对项目的评分值在一定范围内浮动，如0到10。分数越高表示用户对项目的喜好度越高。 　　而在本文设计的网站推荐系统中，用户不会对网站做显示的打分行为