检索结果-南通市图书馆

基于SVD++与上下文感知的个性化音乐推荐系统的研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于SVD++与上下文感知的个性化音乐推荐系统的研究

作者：邓文兵北京理工大学

学位级别：硕士

在这个信息过载的时代,与人们生活息息相关的音乐得到蓬勃发展,音乐资源得到极大丰富,但是人们却越来越难以找到自己喜爱的音乐,因而对个性化音乐推荐的需求也越来越迫切。虽然个性化音乐推荐系统目前已受到众多研究学者的关注,但是个... 详细信息

在这个信息过载的时代,与人们生活息息相关的音乐得到蓬勃发展,音乐资源得到极大丰富,但是人们却越来越难以找到自己喜爱的音乐,因而对个性化音乐推荐的需求也越来越迫切。虽然个性化音乐推荐系统目前已受到众多研究学者的关注,但是个性化音乐推荐的发展依然面临不少挑战和问题,需要不断地深入研究和优化解决。本文主要围绕如何提高个性化音乐推荐系统的推荐效果,解决音乐推荐的推荐精度、推荐实时性以及推荐结果的多样性等问题展开研究,研究的主要内容及成果总结如下:(1)本文提出一套基于SVD++模型与上下文感知技术的音乐推荐算法框架,借助SVD++模型的评分预测优势,同时利用上下文感知技术引入时间、位置、情绪等上下文信息以改进推荐过程,并综合考虑用户的历史评分行为、近期听歌行为以及即时反馈行为的影响,对多种推荐排序方法进行有效融合以生成Top-N推荐列表,实验结果表明该混合式推荐算法在降低预测误差,提高推荐精度以及缓解评分矩阵的稀疏性问题等方面均具有明显的效果,有效提高了推荐效果。(2)本文提出的混合式音乐推荐算法通过在生成中间结果集时进行多样性融合,并在生成最终的推荐列表时也采用融合三种排序结果的方式,同时利用与负反馈歌曲的差异性对推荐结果进行平衡,实验结果表明可有效提高推荐结果的多样性。(3)针对音乐推荐系统的实时性问题,本文采取将离线计算与在线处理相结合的方式来生成推荐,通过离线计算模块来完成复杂的运算,从而减少在线处理模块的计算量,以减少其响应时间;同时系统会根据用户的正负反馈行为而对推荐列表进行即时调整,以实现在线实时推荐,有效提高了系统的实时性。

关键词：个性化音乐推荐 SVD++ 上下文感知混合式推荐隐式反馈实时推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Flink的分布式推荐系统研究与应用

基于Flink的分布式推荐系统研究与应用

作者：郑江文河北工程大学

学位级别：硕士

随着互联网和网络技术的飞速发展,用户享受着越来越便捷的网络服务。但同时,“信息过载”问题也很快地暴露在人们的面前,有效的筛选信息从而提高效率的能力就显得尤为重要,推荐系统就能很好满足了人们的需求。面对着巨大且不断高速增长... 详细信息

随着互联网和网络技术的飞速发展,用户享受着越来越便捷的网络服务。但同时,“信息过载”问题也很快地暴露在人们的面前,有效的筛选信息从而提高效率的能力就显得尤为重要,推荐系统就能很好满足了人们的需求。面对着巨大且不断高速增长的数据量,传统推荐系统面临着计算效率低、实时推荐效果不佳、推荐方式单一等问题。具有分布式并行化计算能力的推荐系统就成了越来越迫切的需求。针对上述问题,本文使用新一代流式计算引擎Apache Flink作为多种推荐服务的计算平台,结合Hadoop、Hive、Flume、Redis、Zoo Keeper和Kafka等大数据开源技术构建分布式推荐系统。首先,在推荐算法上,对实时推荐算法进行改进和优化,在计算推荐优先级时融入时间衰减函数,反应用户喜好随时间的变化,考虑到一次评分中消极评分和极低评分的影响,融入用户近期评分,生成多个备选物品列表,在列表间加上时间衰减函数,生成最终的列表。在相似推荐中,通过电影的类型信息计算电影之间的相似度,融入TF-IDF加权算法对热门类型的权重进行调整。离线推荐选择使用基于交替最小二乘法(Alternating Least Square,ALS)的协同过滤算法,使用基于Flink的通用算法平台Alink,提升离线推荐算法在分布式场景下计算效率。数值实验的结果表明,使用基于隐含特征向量去计算相似度相较于使用基于特征属性的方式,在改进后的实时推荐算法的推荐效果上有明显的提升。改进后的实时推荐算法相较于原算法在准确率、召回率和归一化折损累计增益NDCG都有一定的提升,时间衰减系数λ为0.4时,准确率和召回率有较好的表现,而时间衰减系数λ为0.5时,归一化折损累计增益NDCG有较好的表现。其次,对分布式推荐系统的整体架构进行设计,利用Movie Lens开源数据构建电影推荐系统,包含了存储层、数据处理层、应用层和展示层。存储层以Hadoop为核心做分布式的存储;数据处理层使用Flink集群作为不同推荐服务的计算引擎;应用层包含了离线推荐服务、实时推荐服务、统计推荐服务和相似推荐服务,相应的推荐列表会被存入My SQL;展示层包含前端和后端两部分,并采用了Angular JS技术进行了实施,后端的业务系统则基本上完成了Java EE层面完整的服务逻辑,并利用Spring完成搭建。最终实现多种推荐服务相互补充的混合电影推荐系统。

关键词：推荐系统实时推荐时间衰减函数 Apache Flink Hadoop

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

智慧养老云平台中健康监护模块的设计与实现

智慧养老云平台中健康监护模块的设计与实现

作者：张子晗北京邮电大学

学位级别：硕士

智慧养老是近年养老产业的新趋势。智慧养老云平台结合云边协同、大数据、云计算等技术,实现了边缘计算、人工智能、身份鉴权、健康监护等功能模块。本文以已有的智慧养老云平台系统架构为基础,基于Flutter跨平台开发框架、可配置社区组... 详细信息

智慧养老是近年养老产业的新趋势。智慧养老云平台结合云边协同、大数据、云计算等技术,实现了边缘计算、人工智能、身份鉴权、健康监护等功能模块。本文以已有的智慧养老云平台系统架构为基础,基于Flutter跨平台开发框架、可配置社区组件Provider、Spark大数据引擎等技术,优化设计实现了智慧养老云平台健康监护模块的设备服务管理、一体化前端埋点、健康服务推荐等功能子模块。为优化实现智慧养老云平台所要求的健康监护功能,本文从设备管理、数据运营、服务管理三个方面,对智慧养老云平台健康监护模块进行了优化设计与实现。本文主要工作如下:1.优化设计并实现了智慧养老云平台设备管理子模块。已有的设备管理方案在设备类型较少时具有良好的效果。但随着平台发展,引入树莓派设备后,设备类型增多,已有的设备管理方案无法完成设备关系维护功能。为保障对老人健康情况的实时监控和分析,本文提出了一种优化的智慧养老云平台设备管理方案,实时维护用户设备绑定关系,并实现实时指令下发。相比较于已有的设备管理方式,本方案有效减少了多端开发成本,并实现了设备的一体化管理,为后续工作的展开提供了数字化基础。2.优化了智慧养老云平台的行为数据采集方案。已有的可视化埋点方案,由于智慧养老云平台的用户角色和客户端数量多,对后台服务器的请求压力过高。本文提出的基于Flutter内部Widget Tree及社区组件Provider的智慧养老云平台埋点方案,对比已有的可视化埋点方案,本方案有效降低了业务代码侵入度和服务器压力,并完成数据可视化展示和异常告警。3.优化设计并实现了智慧养老云平台服务管理子模块。在平台运营过程中,需要为老人提供上门服务并保证服务的可靠性,同时随着服务种类和数量的增多,无法一次性向客户展示全部服务,因此需要设计服务推荐机制,向用户展示更符合其喜好的服务。本文设计实现了一套多角色维护的状态机推进工单状态,设计抢单机制保证服务及时性,并且设计实现了基于ALS协同过滤算法的实时加权推荐算法,在保证精确性的同时有效解决了协同过滤算法结果单调的问题,提高了平台的用户体验。

关键词：智慧养老物联网前端埋点实时推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向推荐的大数据计算与存储平台设计与实现

面向推荐的大数据计算与存储平台设计与实现

作者：李琛轩哈尔滨工业大学

学位级别：硕士

随着大数据时代的来临,信息爆炸式增长。在这个信息过载的互联网环境下,用户获取感兴趣信息的难度逐渐增大,如何让用户在海量数据信息中高效地获取自己感兴趣的信息成为了当前大数据行业的研究热点。推荐系统为这个问题提供了解决方案,... 详细信息

随着大数据时代的来临,信息爆炸式增长。在这个信息过载的互联网环境下,用户获取感兴趣信息的难度逐渐增大,如何让用户在海量数据信息中高效地获取自己感兴趣的信息成为了当前大数据行业的研究热点。推荐系统为这个问题提供了解决方案,它是一种主动式消息推送系统,消息生产者通过在海量信息基础上预测用户的偏好,将消息主动推送给可能对信息感兴趣的用户。由于需要海量信息来为用户做兴趣预测,推荐系统要处理的数据量是巨大的。为了快速满足用户对消息的需求,推荐系统必须有大数据处理能力。第一代大数据处理框架Hadoop在过去几年一直被国内外推荐系统作为解决方案,但是随着推荐算法的进步,Hadoop的Map Reduce计算模型已经难以满足性能要求。Spark是最近几年流行的新一代大数据处理框架,非常适合推荐算法,用Spark实现推荐系统的离线推荐与实时推荐将大大提高推荐系统性能。本文以大数据推荐提供解决方案为目的,从推荐系统需要的计算服务和存储服务这两个层次进行了研究。计算层次上,使用Spark设计实现离线推荐算法与实时推荐算法,且进行针对计算效率的优化;存储层次上在大数据存储系统HDFS上集成纠删码,并提供Mongo DB数据存储等。具体的研究内容包括:(1)基于Spark编程模型,实现了基于ALS的离线推荐算法,并对Spark调度策略进行了优化。在执行离线计算任务中,发现在集群异构情况下Spark调度策略不合理的问题,并提出了优化的Spark调度策略:基于节点资源优先级的调度策略。实验结果表明,基于节点资源优先级的调度策略在离线计算情况下具有更优的运行效率。(2)提出一种快速的实时推荐算法,并基于Spark Streaming编程模型实现,而且进行了基于Spark Streaming的优化。实时推荐算法的设计基于“用户偏好随时间不断变化”的理论,每次执行实时推荐时仅对用户近期评分进行建模预测,极大地减少了计算数据量。在Spark Streaming实现算法时,通过设置多数据源获取、数据重分片提高实时推荐的并行粒度,并利用Spark broadcast变量机制节省算法执行时间。实验结果表明,本文实现的实时推荐系统拥有很好的数据实时处理能力。(3)提出一种HDFS结合纠删码的存储策略“先冗余、后编码”,并设计了支持此存储策略的HDFS with Erasure Code架构。冗余备份存储策略本身对磁盘空间消耗大但数据恢复简单,而纠删码存储策略虽然空间消耗小但是数据恢复困难,会影响大数据计算效率,所以对较长一段时间没有处理的数据使用纠删码存储,而对其他数据使用冗余备份,进而在磁盘空间消耗与数据恢复效率上达到平衡,以便更好地为大数据推荐系统提供存储服务。

关键词：大数据 Spark 推荐系统离线推荐实时推荐纠删码存储

基于Hadoop和Storm的音乐推荐系统设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Hadoop和Storm的音乐推荐系统设计

作者：潘子月南京邮电大学

学位级别：硕士

在互联网技术高速发展的背景下,各类音乐平台为人们提供了大量的、种类繁多的歌曲。然而,面对海量的歌曲信息,人们仅仅通过检索方式很难找到真正符合自己喜好的音乐。个性化推荐系统能够从海量音乐信息中为用户筛选出符合个人喜好的音乐... 详细信息

在互联网技术高速发展的背景下,各类音乐平台为人们提供了大量的、种类繁多的歌曲。然而,面对海量的歌曲信息,人们仅仅通过检索方式很难找到真正符合自己喜好的音乐。个性化推荐系统能够从海量音乐信息中为用户筛选出符合个人喜好的音乐,提升用户的满意度。因此,音乐的个性化推荐已成为业界重视的研究方向。论文针对协同过滤算法中存在的项目冷启动问题和数据稀疏性问题,提出了一种基于音乐标签改进的协同过滤推荐算法。该算法在传统的协同过滤算法中结合了音乐标签数据,推算出用户对未知音乐的偏好程度,解决了项目冷启动问题和数据稀疏性问题;又在解决数据稀疏性问题的基础上,计算出音乐间相似度用于预测用户的音乐喜好。针对协同过滤算法存在的实时性问题,设计了离线处理和在线处理相结合的系统架构。该架构在Hadoop中利用改进后的协同过滤算法对用户历史行为数据进行离线处理,按照播放次数选取热门音乐对新用户进行推荐;并通过滑动窗口处理用户行为数据的方法模拟用户的实时行为,在Storm中对这些行为数据进行在线处理,为用户提供实时推荐结果。这种处理方法提高了推荐系统的准确性和实时性。论文中根据推荐系统的实时性需求,构建了实时音乐推荐系统,在***数据集上实验验证了在基于Hadoop和Storm的音乐系统中,基于音乐标签改进的协同过滤推荐算法的准确性比传统的协同过滤算法的准确性更高;结合了Hadoop和Storm处理产生的实时推荐结果,其准确性比仅使用Hadoop处理产生的离线推荐结果的准确性更高。

关键词：音乐推荐协同过滤 Storm 实时推荐冷启动

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动健身管理平台的设计与实现

移动健身管理平台的设计与实现

作者：白天明吉林大学

学位级别：硕士

对健康和形体美的追求促使人们更多的参与到健身运动中来。人们需要更加便捷的运动技巧学习工具和科学的运动和饮食管理工具。在移动智能设备和无线网络被广泛使用的背景下,本课题设计和实现基于实时推荐的移动健身管理平台,将健身视频... 详细信息

对健康和形体美的追求促使人们更多的参与到健身运动中来。人们需要更加便捷的运动技巧学习工具和科学的运动和饮食管理工具。在移动智能设备和无线网络被广泛使用的背景下,本课题设计和实现基于实时推荐的移动健身管理平台,将健身视频与健身管理结合,同时满足用户学习健身方法的需求和科学管理健身数据的需求。本课题实现了基于Android平台的移动健身管理应用,具备科学记录用户健身和饮食数据的功能和视频分享功能。通过对目前已有推荐系统算法的研究,根据系统的特点和开发平台的特点,设计出一种实时视频推荐算法,然后基于目前流行的分布式流处理计算框架Apache Storm实现了实时视频推荐引擎,移动健身管理应用提供视频实时推荐服务。实时视频推荐系统帮助用户挖掘感兴趣的健身视频,视频分享功能带动用户运动的积极性。本系统将视频服务与健身管理功能结合,形成从学习到实践的完整服务,具备广阔的应用前景。

关键词：健身管理视频实时推荐安卓

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动用户行为感知的音乐推荐系统研究与实现

移动用户行为感知的音乐推荐系统研究与实现

作者：王然北京工业大学

学位级别：硕士

随着数字媒体技术的发展,网络上的数字音乐资源越来越多,使得人们难以从庞大的音乐数据库中发现自己喜欢的音乐。为了能够帮助用户找到喜欢的音乐,从而产生了音乐推荐系统。传统的推荐系统根据用户的历史收听记录构建用户兴趣模型,根据... 详细信息

随着数字媒体技术的发展,网络上的数字音乐资源越来越多,使得人们难以从庞大的音乐数据库中发现自己喜欢的音乐。为了能够帮助用户找到喜欢的音乐,从而产生了音乐推荐系统。传统的推荐系统根据用户的历史收听记录构建用户兴趣模型,根据模型推荐用户没有收听过的音乐。这种方式只能反映用户长期建立的兴趣,不能感知用户短时间内的兴趣改变,而用户短时间内的兴趣变化与用户当下的行为有极大的关系。如今用户收听音乐的客户端已经由PC端转向移动端,而移动端的智能设备通常都配有传感器,通过分析传感器数据,可以随时随地分析获得用户当前的行为,为推荐系统结合用户行为感知提供了可能性。本文针对移动用户行为感知与音乐推荐系统的结合方式进行研究,得到了以下研究成果:(1)提出以歌单为单位,通过对歌单进行语义分析,将用户歌单内收藏的音乐自动标注用户行为标签。该方法计算歌单描述与用户行为之间的语义相似度,通过语义相似度表示该歌单内的音乐与用户行为之间的匹配程度。(2)提出了基于WordNet的语义相似度计算算法。传统的基于WordNet语义相似度算法都以WordNet中名词的组织结构为基础,本文以WordNet动词的组织结构为基础,基于两个概念在动词语义树中的相对位置计算两个概念之间的相似度。(3)提出使用分类算法实现用户行为的预测,该方法通过学习传感器数据,学习分类模型,通过分类模型预测用户行为。本文使用朴素贝叶斯,kNN,决策树分类算法进行对比实验,实验表示使用分类算法对传感器进行分类来达到预测用户行为的目的准确率较高,是一种可行的方法。(4)为了能够根据相同用户行为下不同的音乐兴趣来生成不同的推荐结果,本文提出了基于聚类的用户协同过滤推荐算法,该算法首先对相同用户行为下的收藏行为进行聚类,得到用户聚类中心偏好矩阵,之后以该矩阵为基准,生成推荐结果。(5)最后本文结合以上方法,提出了一种实时的推荐架构,该架构可以实时感知用户的兴趣变化,得出推荐结果。本文以该架构为基础,实现了原型系统。

关键词：音乐推荐系统用户行为感知实时推荐分类算法

基于微服务与推荐算法的云课堂平台设计和实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于微服务与推荐算法的云课堂平台设计和实现

作者：杨磊华东师范大学

学位级别：硕士

21世纪以来,互联网的迅猛发展推动了各行各业的进步。在教育行业,传统的线下教育已经很难满足人们的需要。城乡教育资源的不平衡不充分发展,导致城乡教育差距越拉越大。虽然市面上也有许多在线学习平台,但是质量参差不齐,比如学习资源繁... 详细信息

21世纪以来,互联网的迅猛发展推动了各行各业的进步。在教育行业,传统的线下教育已经很难满足人们的需要。城乡教育资源的不平衡不充分发展,导致城乡教育差距越拉越大。虽然市面上也有许多在线学习平台,但是质量参差不齐,比如学习资源繁杂,让用户无所适从;学习方式单一化,有的平台仅仅只能点播视频无法为用户量身打造、推荐出用户感兴趣的课程,用户体验性较差;平台所使用的技术架构为传统的单体架构,在复杂的用户场景下,扩展性较差,服务也会经常因为访问人数多而崩溃。为了解决以上问题,云课堂平台在设计之初就对在线学习平台的国内外现状进行了深入了解和分析,随后从学习用户和管理员两个维度分别对其需求进行调研和分析,设计出一款基于微服务和推荐算法的学习平台。在实现平台的过程中,本文采用的是前后端分离的方式进行设计,平台的UI部分采用的是Element UI和基于MVVM模式的***框架,服务端基于Spring Cloud微服务架构,利用其一站式的组件来实现微服务的注册和发现、服务之间的远程调用和负载均衡,从而提高平台的扩展性和可维护性,在此基础上,平台还引入了离线和实时推荐算法为用户推荐出其感兴趣的课程。最后,本文按照标准的软件开发流程来完成云课堂平台的设计与实现。本文的主要研究方法和创新点在于:1.利用UML建模语言分析出各个功能模块的用例图和时序图。然后利用Spring Cloud微服务的各大组件将各个功能模块拆分成细粒度微服务,实现模块与模块之间的高内聚、低耦合。2.在完成核心功能的基础上引入了离线推荐算法和实时推荐算法为用户提供个性化的推荐服务。3.对实现的云课堂平台进行了严格的功能测试、安全测试和性能测试,保障了系统的运行的流畅稳定、安全可靠的运行要求。

关键词：云课堂平台 Spring Colud微服务离线推荐实时推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于大数据平台的混合型电商推荐系统

基于大数据平台的混合型电商推荐系统

作者：张志通北华航天工业学院

学位级别：硕士

随着互联网和信息技术的逐渐成熟,各种移动设备产生的海量数据将人们带入了信息过载的时代,从海量的信息中挖掘有价值的数据比较困难。网购被越来越多的消费者所关注并逐渐成为一种不可替代的消费方式。然而,从形形色色的商品中选择自... 详细信息

随着互联网和信息技术的逐渐成熟,各种移动设备产生的海量数据将人们带入了信息过载的时代,从海量的信息中挖掘有价值的数据比较困难。网购被越来越多的消费者所关注并逐渐成为一种不可替代的消费方式。然而,从形形色色的商品中选择自己喜欢的商品成为困扰许多消费者的一大难题,推荐系统的诞生就是帮助用户解决选择困难的问题。推荐系统在长达近30年的发展中提出了协同过滤算法、基于内容算法等,但是冷启动问题、时效性问题以及模型超参数的优化却一直影响着推荐系统的推荐性能。本文针对推荐系统存在的上述问题,做了如下的对应优化和改进方法:(1)新用户初次登录系统,系统获取不到用户的详细信息,无法给用户做出推荐,产生系统冷启动问题。针对这一状况,根据历史数据中所有用户对商品的评分,周期性的计算每个商品的平均得分作为高质量商品热门推荐。(2)随着时间的推移,用户的兴趣爱好也在相应的改变,针对过去用户兴趣爱好做出的推荐必定不能得到用户的青睐。本系统采用大数据生态圈组件构成日志采集系统,实时采集用户埋点数据,根据相似推荐算法做实时推荐。(3)用户商品评分表里存在大量的稀疏数据,本文在设计离线推荐系统时采用矩阵分解方法来解决数据稀疏性问题,矩阵分级模型的好坏受超参数的影响。故此采用机器学习常用到的梯度下降算法来优化模型超参数。基于上述的工作内容,本文设计了混合型推荐系统,以改进后的动态混合推荐算法作为离线推荐,采用大数据生态圈组件作为日志采集系统实时采集用户埋点数据生成在线推荐系统。

关键词：动态混合推荐算法电商推荐系统实时推荐大数据生态圈组件