基于个性化推荐的学生社交平台的分析与实现-analysis and implementation of student social platform based on personalized recommendation.docx

基于个性化推荐的学生社交平台的研究与实现摘要随着互联网的发展，社交网络服务(SNS，SocialNetworkingService)平台已经广为普及，其中以国外的MySpace和Facebook，及国内的校内网、开心网和豆瓣网等为典型。纵观众多社交网，各有各的优势，但都没有针对初中生提供一个专门的平台，在满足其交友需求的同时，也提供更多有利资讯。对于信息辨识度不高的低龄网民来说，过多繁杂的信息给初涉网络的他们带来了困扰。因此，研究和开发一个基于个性化推荐的学生社交平台，为初中学生提供更多有利的学习资源和娱乐资源就显得尤为重要。在基于个性化推荐的学生社交平台中，个性化推荐是其关键部分。我们需要的是一个高效的、具有针对性的推荐算法，能够有效反映用户的兴趣取向，并正确推荐出恰当的结果。本文调研分析了国内外社交网和个性化推荐技术的发展和现状，研究并提出了面向初中学生社交网络的个性化推荐算法，在此基础上采用基于UML的面向对象方法进行了社交网络平台的需求分析、架构设计、详细设计、实现、测试和试运行。首先，本文采用3A模型技术建模，并在此基础上设计学生社交平台的个性化推荐算法，包括邻友自动推荐算法、热门主题自动推荐算法、用户主题自动推荐算法、基于邻友图的社区划分算法和关键字搜索的统计算法；其次，针对初中学生的特点进行需求调研和分析，建立用例模型。平台的核心功能包括账户操作、邻友操作、主题操作、个人主页操作、站内信操作、主题帖点评和打分操作；然后，从技术选型、逻辑视图、部署视图、E/R 图、出错处理、界面等多个维度设计平台，并采用 GWT、MySQL 数据库和 Hibernate 框架实现平台的核心功能；最后，对平台进行功能测试、性能测试和界面测试，并在上海市汾阳中学部署和试运行。根据测试发现的缺陷和试运行的反馈，不断修改和完善，最终达到预期的目标。与现有的社交平台相比，本平台为初中生提供了一个专门的交流平台，针对性更强，满足学生交友需求；个性化推荐算法作为其核心部分，既可向用户推荐潜在的朋友，又可推荐有用的学习资源和娱乐资源；该平台以真实社会关系为基础，采用实名制注册，力求学生之间传达的信息真实可靠；值得一提的是，教师作为平台用户之一，可对低龄学生进行必要引导，同时也为学校的学习资源产生提供了新途径，并丰富了学习资源的表现形式。建立一个基于个性化推荐的学生社交平台，对于学生、教师、I学校等各方面而言，都具有积极的意义，它提供了共同关注学生成长、交流的平台，改变了以往强制灌输式的教育模式，形成共同参与、主动获取的新模式。关键词Web2.0，社交网，3A模型，个性化推荐算法，初中生RESEARCHANDIMPLEMENTATIONOFSOCIALNETWORKINGSERVICEPLATFORMFORSTUDENTSBASEDONPERSONALIZEDRECOMMENDATIONABSTRACTWiththedevelopmentoftheInternet,SocialNetworkingService(SNS)platformhas beenwidelypopular,ofwhichMySpaceandFacebookareafewtypicalexamplesoverseas, Xiaonei,Kaixin001andDoubanarethedominatingdomesticrepresentatives.Ingeneral, everySNSplatformhasitsownadvantages.Butnoneofthemcompletelycatertotheneeds ofjuniorhighschoolstudentsinmakingfriendsandsearchingforusefulinformation.These youngnetizens,immaturetodistinguishtheoverflowingmiscellaneousinformation,arein urgentneedofaspecialplatform.ThereforethedevelopmentofSNSplatformforstudents basedonpersonalizedrecommendationisveryimportanttobestsuittheirparticular demandsforlearningresourcesandentertainment.Intheplatform,personalized recommendationisthekeypart.Whatweneedisanefficient,targetedrecommendation algorithm,whichcaneffectivelyrefl