面向分布式异构数据源的个性化推荐系统的研究与实现-计算机科学与技术专业毕业论文.docxVIP

Classified Index: TP311.56 U.D.C: 681.39 Dissertation for the Master Degree in Engineering RESEARCH AND IMPLEMENTATION OF RECOMMENDATION SYSTEM WITH DISTRIBUTED DATA SOURCES Candidate： Wu Tianlong Supervisor： Prof. Liu Hongwei Academic Degree Applied for： Master of Engineering Speciality： Computer Science and Technology Affiliation： School of Computer Science and Technology Date of Defence： June, 2013 Degree-Conferring-Institution： Harbin Institute of Technology 摘 摘 要 - - I - 摘 要 随着互联网的普及和发展，人们获取信息的方式也在不断变化。不同的信 息获取方式对于信息服务的技术也有不同的要求。一个总的趋势是逐渐由用户 主动“拉取”信息转变成信息服务提供者主要向用户“推送”信息。面对海量 的信息，用户希望得到个性化的服务。 个性化推荐技术是个性化服务中最重要的技术，近年来在电子商务、电影 和音乐等社区的推荐中起到越来越重要的作用。目前，个性化推荐算法主要集 中在基于内容的推荐、基于协作过滤的推荐和基于规则的推荐三个方向。它们 各有优劣，在不同的应用中发挥的效果也不同。订阅/推送系统也是个性化服务 中的重要一环，主动推送服务在移动互联网中显得尤为重要。目前各大公司如 Apple，Google 等都建立有自己的推送服务。在互联网的环境下，信息数据源 往往呈分布式的状态。在分布式环境下，实现个性化推荐的服务是一个新的尝 试。对此，本文面向分布式异构数据源研究个性化的推荐和服务方式。 本文首先针对本地的数据源，设计了个性化推荐的算法和基于主题的订阅 系统，然后根据分布式的应用环境，设计了基于 SOA 的系统架构，实现各个数 据源之间的信息共享。基于 TF-IDF 的向量模型设计了基于内容与基于规则相结 合的推荐方式，并通过 kd-tree，规则描述语言等手段优化推荐算法的效率。同 时还引入反馈机制以学习用户的兴趣偏好。采用基于主题树的匹配算法实现了 发布/订阅系统，同时实现了一个支持多种客户端的实时推送服务，保证了主动 及时地向用户提供个性化信息。基于 SOA 的设计思想，通过将各个数据源的功 能进行服务化的封装，实现了将各个数据源的信息的互通，提供了基于分布式 异构数据源的个性化推荐服务。最后对整个系统的各项功能进行了测试。 关键词：个性化；推荐系统；订阅推送；分布式；SOA； Abs Abstract - - II - Abstract With the popularity and development of the Internet, the way people access information are constantly changing. This change has presented new technical challenges for service providers. The general trend is that people start to prefer the way servers “push” information to them over the way they “pull” information from the servers. With such a large amount of information, people want to get a personalized service. Personalized recommendation is center of all personalized service. In recent years, it has been successfully applied to fields like e-commerce, movies and music communities. Currently, research of recommendation algorithms is mainly focused on the content-based recommendation, collaborative filtering