论文部分内容阅读
互联网的快速发展给人们的生活带来了极大的便利和乐趣。近几年发展比较迅速的一类业务是数据分发服务，该服务通过发布订阅平台共享数据，但是随着互联网信息量迅速增长，用户想要在网络中找到自己喜欢的数据变得越来越困难。传统的匹配搜索技术已经不能提供有效的解决办法，因此需要为发布订阅平台添加智能推荐服务，该服务能够为用户主动推送他们感兴趣的资源。在已有的智能推荐系统中，比较常见的是基于资源本身元数据的推荐策略、基于好友相关的推荐策略和基于用户打分的推荐策略，他们各自都有优缺点。
本文的贡献主要在三个方面：
一、是设计了基于两层分类模型的智能推荐服务框架。第一层分类器通过策略树对用户喜好进行预测，第二层分类器为用户建立好友堆和对资源建立相关性并且寻找主题集合，进一步优化和改进资源推荐规则。两层分类器协调工作，共同完成资源推荐规则的制定。
二、是针对B/S模式发布订阅系统特点对策略树ID3算法进行了改进，降低了算法复杂度、将分类结果值连续化，并且引入人工参数。改进后的ID3算法用于第一层分类器，能够通过分析用户注册信息迅速生成推荐策略树规则。
三、是使用.Net语言和工具为数据分发系统添加了智能推荐服务。该服务能够通过分析用户注册信息和历史操作信息产生对应的推荐规则，主动将用户感兴趣的资源推送给用户。
本智能推荐服务的设计用到了数据挖掘的相关技术。在实现过程中，笔者使用的是微软Asp.net2.0开发网站，IIS搭建服务器，oracle9i提供数据库支持，并且使用C＃语言开发后台两层分类推荐应用程序，最终实现了整套智能推荐服务系统。
该智能推荐服务可以在已有的DDS发布订阅平台上寻找用户感兴趣的资源类别，然后进行推送。同时也能为各大音乐电影等网站提供用户喜好挖掘服务。