实践表明,个性化推荐系统是解决上述问题的一种有效途径。个性化推荐从用户的历史行为数据中挖掘用户的兴趣偏好,对用户的兴趣进行建模,预测用户的兴趣,以此将用户可能感兴趣的信息筛选出来,呈现给用户。各种不同的网络社区网站不断涌现,如Facebook,天涯论坛,新浪微博,知乎等。在这类网站上,用户可以浏览、转发、评价、收藏等。对于不同类型的用户,以及同一类用户在不同时期、不同环境的情况下,这些需求都是不同的。而且随着生活质量的不断提高,人们往往需要一种可以主动发现用户的兴趣,为用户主动提供服务的系统,用户在使用的过程中,系统如何精确的给用户推荐用户想要的信息成了一个困难的问题。个性化服务推荐技术就是针对这种需求而提出的[6]。目前最常用的个性化推荐技术就是基于内容过滤以及协同过滤推荐算法等。但是这两种方法都有着各自的优缺点,因此如何结合并改进再现有的推荐方法,来提高推荐的精度和质量的研究就显得非常必要。Р选题来源Р本人在攻读硕士学位期间,参与了多个Web项目的研发,包括武汉大学本科生管理系统、武汉大学科研信息管理系统、外交部签证代办办公系统和校园信息分享平台Share。其中校园信息分享平台Share里面学生和老师可以自由的发帖、看帖、转发和收藏,帖子的内容可以是学生感兴趣的内容,可能是课程内容或者是老师的课件或者是学生对老师的课程评价或者是其他有趣的视频和笑话等。Р教学管理互动平台Share每天都会产生大量的帖子,虽然系统设计了大量的分类标签来帮助用户进行信息搜索,但是老师和学生在浏览页面的时候还是经常会发大量的时间在系统里面寻找自己感兴趣的帖子,这不仅浪费了老师和学生的时间、浪费了系统资源,也没有充分的利用系统里的共享信息。Р鉴于以上存在的问题,系统如何快速准确的推荐给用户感兴趣的信息成为了本文要研究的主要内容。因此本文将针对校园信息分享平台Share中如何快速准确的给用户推荐用
全文预览
