基于UCL內(nèi)容標(biāo)引的個性化信息推薦機(jī)制研究.pdf

1、播存網(wǎng)絡(luò)對互聯(lián)網(wǎng)熱門信息進(jìn)行采集，通過廣播分發(fā)將熱門信息的UCL(Uniform ContentLabel)內(nèi)容標(biāo)引和內(nèi)容全文分別推送到所有用戶終端和位于網(wǎng)絡(luò)邊緣的內(nèi)容服務(wù)器。由于互聯(lián)網(wǎng)每天更新的信息非常龐大，用戶面臨選擇困難，如何實現(xiàn)播存網(wǎng)絡(luò)“最后一跳”的信息主動服務(wù)，基于用戶興趣進(jìn)行個性化信息推薦成為解決問題的關(guān)鍵。
　　本文基于UCL內(nèi)容標(biāo)引研究、設(shè)計并實現(xiàn)了適用于播存網(wǎng)絡(luò)的個性化信息推薦機(jī)制。論文的主要工作體現(xiàn)在以下幾個方

2、面:
　　基于UCL內(nèi)容標(biāo)引，研究并設(shè)計了適應(yīng)播存網(wǎng)絡(luò)信息分發(fā)結(jié)構(gòu)的個性化推薦機(jī)制，提出了三階段推薦計算算法，分別在廣播接收模塊、用戶終端推薦引擎和邊緣服務(wù)器推薦引擎三個位置，以類別、內(nèi)容和用戶行為為粒度對用戶興趣進(jìn)行了分析建模。推薦機(jī)制綜合應(yīng)用了單用戶個性化推薦方法和群用戶個性化推薦方法。
　　對群用戶推薦算法的改進(jìn)進(jìn)行了深入研究，從相似用戶選取、項目熱度建模、時間效應(yīng)建模三個角度對UserCF協(xié)同過濾算法的準(zhǔn)確度進(jìn)行了改

3、進(jìn)，此外，對推薦多樣性的提高進(jìn)行了研究改進(jìn)。所有改進(jìn)算法在Movielens數(shù)據(jù)集上進(jìn)行了實驗分析與性能驗證。
　　開發(fā)實現(xiàn)了播存網(wǎng)絡(luò)的個性化推薦原型系統(tǒng)。首先，基于播存網(wǎng)絡(luò)的特點實現(xiàn)了信息分發(fā)系統(tǒng)，設(shè)計了供用戶訪問和操作的終端系統(tǒng)界面，完成了UCL和內(nèi)容全文在用戶終端和邊緣服務(wù)器之間的傳輸和處理。其次，對用戶終端推薦引擎和邊緣服務(wù)器推薦引擎分別進(jìn)行了實現(xiàn)，出于設(shè)備性能和計算效率的考慮，對各個計算過程進(jìn)行了在線實時計算和離線周期計