基于分层的个性化推荐软件系统项目可行性研究报告.docVIP

基于分层的个性化推荐软件系统项目可行性研究报告 目录 一、 总论 4 1.1. 项目的主要内容及技术原理简述 4 1.1.1. 主要内容 4 1.1.2. 技术原理简述 4 1.2. 项目的目的和意义 7 1.2.1. 项目的目的 7 1.2.2. 项目的意义 7 1.3. 相关技术领域国内外发展现状、趋势 10 1.4. 项目申请单位、主要合作单位及项目负责人的基本情况 13 1.4.1. 项目申请单位基本情况 13 1.4.2. 主要合作申请单位基本情况 14 1.4.3. 项目主要负责人基本情况 14 1.5. 有关本项目的现有工作基础和支撑条件 18 二、 项目实施方案 19 2.1. 项目达到的目标及考核的主要技术、经济指标 19 2.1.1. 主要技术指标 19 2.1.2. 主要经济指标 19 2.2. 项目的主要研究（开发）内容 20 2.2.1. 研究内容 20 2.2.2. 系统设计流程 20 2.2.3. Web使用挖掘 21 2.2.4. 层次网页分类器 30 2.3. 试验（开发）规模及地点 35 2.4. 主要技术关键及创新点 35 2.4.1. 技术关键 35 2.4.2. J2EE技术 35 2.4.3. 项目的创新点 42 2.5. 实施方案（含技术路线、工艺流程及技术关键的解决方案） 43 2.5.1. 技术路线 43 2.5.2. 系统总体架构 44 2.5.3. 实施方案 45 2.5.4. 技术风险分析 50 2.5.5. 分年度的工作内容、目标 51 2.5.6. 申请单位、合作申请单位及主要人员的分工 51 2.5.7. 组织及管理的运行机制 52 2.5.8. 项目实施基础条件 53 2.5.9. 有关本项目的国内外知识产权状况分析 55 三、 市场分析 55 3.1 市场预测（含同类项目的国内外市场情况） 55 3.2 本项目的市场竞争优势、风险及市场策略 56 3.3 经济效益分析 57 3.4 社会效益分析 57 3.5 推广应用及产业化分析 58 四、 经费预算及筹措方案 59 4.1 经费预算（总资金） 59 4.2 筹措方案 59 4.3 申请经费的主要用途 59 4.4 分年度用款计划（含申请经费） 60 五、 技术经济可行性的综合评价 61 六、 附件 62 总论 项目的主要内容及技术原理简述 主要内容 本课题的研究目标是设计和实现一个基于分层的个性化推荐软件系统，可广泛应用于电子商务、电子政务、网页信息搜索和数字化图书馆等。 在用户行为分析与预测上，本项目运用层次分类的理论建立用户群层次分类图，用户之间存在一定的联系；其次，在用户群层次分类图的基础上，运用偏序关系原理，构建全部用户具有偏序结构的关键浏览路径层次图，同时用网页内容来调整层次结构，用户的会话识别就依据层次类别图进行识别，从而达到用户的网页浏览行为的分析与预测，最终进行个性化信息定制的目的。 在推荐引擎中，用多元统计分析中的偏最小二乘原理，建立基于偏最小二乘的层次文本分类模型，从而为不同兴趣的用户群推送具有层次的网页内容。此外，采用分层分类的理论可以在一定程度上解决定义不同兴趣的用户类别和网页内容的类别重叠问题，解决大规模电子商务、电子政务和数字图书馆的个性化推荐系统面临的网页内容分布不均匀、推荐算法的可扩展性等问题。 技术原理简述 推荐系统 推荐系统(recommender systems)是数据挖掘的一个分支，是一种较为特殊的数据挖掘系统，主要体现在推荐系统的实时性和交互性上。推荐系统是根据用户的兴趣爱好,推荐符合用户兴趣爱好的对象,也称个性化推荐系统(personalized recommender systems)。推荐系统不但根据用户以往的历史纪录，更需要结合当前一段时间的行为动作做出实时地反应，并根据与用户交互的反馈结果修正和优化其推荐结果。同时与其它数据挖掘系统不同的是，推荐系统主要面对的是客户，而非管理研发人员。当然推荐系统收集的数据信息会反馈到管理员，并协助其做出正确的决策。 个性化推荐系统的关键是建立用户模型。推荐系统的热点问题是推荐技术和推荐算法的研究。推荐算法是整个推荐系统的核心，它的性能决定了最终推荐结果的好坏。为了建立合理的用户模型，保证不同用户对实时性，推荐方式等的要求，产生了一系列的推荐技术和算法。例如协同过滤技术、分类和聚类技术、关联规则挖掘技术、神经网络技术等。 Web挖掘 Web挖掘就是从Web文档和Web活动中抽取感兴趣的潜在的有用模式和隐藏的信息。Web数据主要包括：1）Web内容：主要是文本、图像、声音和动画等；2）Web结构：这些数据描述Web内容的组织，页面内的结构信息包括页面内不同的HTML和XML标记（tag）的布局，页面间的结构信息主要是页面间