《构建基于Flex的兴趣关联系统》【毕业设计论文】.docVIP

目 录 TOC \o 1-3 \u 1 引 言 1 1.1 Web用户体验分析 1 1.2 兴趣关联发展现状及理论基础 1 1.2.1 发展现状 1 1.2.2 理论基础 2 1.3 课题目的及意义 2 1.4 论文主要研究内容及结构 2 1.4.1 主要研究内容 2 1.4.2 组织结构 3 2 系统分析 3 2.1 系统算法与模型分析 3 2.1.1 相似性算法 3 2.1.2 多层组合架构 5 2.1.3 BlazeDS的通信机制 7 2.2 系统流程分析 8 2.2.1 兴趣关联处理流程分析 8 2.2.2 业务流程分析 9 2.3 总体结构及功能分析 9 3 系统设计 11 3.1 功能模块设计 11 3.1.1 用户登录及注册模块 11 3.1.2 共享信息模块 11 3.1.3 自乐信息模块 12 3.1.4 评分模块 12 3.2 数据库设计 13 3.2.1 E-R图 13 3.2.2 数据表设计 13 3.3 相关技术和工具 15 4 系统实现 16 4.1 用户登录及注册 16 4.1.1 用户登录 16 4.1.2 用户注册 17 4.2 共享信息模块 18 4.2.1 新闻浏览 18 4.2.2 音乐播放 20 4.2.3 相片浏览 21 4.3 自乐信息模块 22 4.3.1 新闻冲浪快车 22 4.3.2 音乐风箱 24 4.4 评分模块 26 4.5 其他模块 28 5 结束语 28 1 引 言 由于网络信息量爆炸似的递增，使得在信息过载的大环境下，人们为获得感兴趣的信息而耗费大量的时间和精力。因为在网络遨游时，时间快速溜走了，而用户仍未获得他们最感兴趣的内容。这正是许多Web网站存在的症结：没有站在用户的角度来挖掘其兴趣偏好。 此外，传统瘦客户端的固定界面，既不利于用户互动，又降低浏览效率，因此，结合Flex技术的兴趣关联模型，旨在挖掘用户的潜在兴趣，并实现友好的Web互动。 1.1 Web用户体验分析 对传统的瘦客户端应用来说，用户每次提交信息时都要刷新页面，这样既加长用户等待时间，又加重服务器负载，并且用户需要不断切换页面来获取所需信息，使浏览效率大大降低。此外，个性化体验盛行的今天，用户早已厌倦单调网页的表达方式，希望网页在表现力上能更具特色一些。针对以上问题，富互联网应用RIA(Rich Internet Applications)横空出世。 富互联网应用程序（Rich Internet Applications，RIA）利用具有很强交互性的富客户端(Rich Client)技术来为用户提供一个更高和更全方位的网络体验。RIA集成了桌面应用的交互性和传统Web应用的部署灵活性与成本分析，以创建单一而完整的用户体验，它提供一个运行时的环境以承载被编译的客户端应用程序，该客户端应用程序是一个使用HTTP协议发布的文件[1]。 RIA中的富客户技术通过提供可承载已编译客户端应用程序（以文件形式，用HTTP传递）的运行环境，客户端应用程序使用异步客户/服务器架构连接现有的后端应用服务器，这是一种安全、可升级、具有良好适应性的新的面向服务模型，这种模型由采用的WEB服务所驱动。结合了声音、视频和实时对话的综合通信技术，使富互联网应用程序（RIA）具有前所未有的网上用户体验。 1.2 兴趣关联发展现状及理论基础 1.2.1 发展现状 对于兴趣关联信息服务的概念，一般认为兴趣关联信息服务就是“挖掘并自动提供给用户符合他们个人需求和偏好的信息”。 尼尔森 （Nielsen） 则认为兴趣关联信息服务区别于定向推荐服务，他认为定制服务是在用户的控制下进行的，而兴趣关联则是由计算机系统主动进行的，系统能够根据用户需求模型向用户提供一些个性化的网页，尼尔森强调个性化服务应该是更加智能化的主动服务模式，而不是单纯地依靠用户定制进行选择的信息服务方式。而学者李勇认为兴趣关联的系统必须具有三个能力：用户概貌能很好地反映用户的兴趣偏好；为适应用户偏好的变化，用户概貌能做适应性的改变；自动开发新的信息领域，主动向用户提供推荐服务[2]。 1.2.2 理论基础 兴趣关联主要采用协同过滤推荐技术来实现。协同过滤推荐是通过相同或相近兴趣的用户对资源的评价向用户推荐信息的方式。通过分析不同用户的评分，为当前用户寻找若干个最相似的邻居；对于当前用户尚未评分的项目，根据邻居用户对该项目的评分对其作出预测。这便是协同过滤推荐技术的核心——相似性计算。该算法主要关注用户与用户兴趣之间的关联性，最早是由Goldberg等在具有相近兴趣的用户被视为一个用户类。当用户对某信息感兴趣时，该信息就可以推荐给同类的其他用户。 合作推荐的优点是可以