论文部分内容阅读
近年来,通讯技术的不断进步和智能终端设备普及率的快速上升带动了移动互联网的发展,移动互联网的发展加强了人与人、人与移动设备的联系,从而给移动社交应用创造了一个良好的发展环境。随着社会形态的发展,用户不再只满足于人际关系的维系,更希望在社交中找到具有相同兴趣的群体进而展开社交活动。同时,信息时代的在线社交活动会产生大量社交数据,用户面对规模如此庞大的信息有些无所适从,一方面,社交场景下用户经常没有明确的需求,无法通过检索活动获取信息;另一方面,在大数据量场景下根据关键字检索出来的一次结果可能包含多条信息,用户没有快速区分检索结果中内容优劣的能力。在当前信息量剧增的互联网环境下,主动为用户提供高质量的内容,是社交产品用户体验的一个重要组成部分。本文所提出的基于JS的社交软件,满足了用户以兴趣为出发点进行在线社交活动的需求,同时解决了用户进行在线社交活动时无法快速从海量数据中获取有效信息的问题。本文采用兴趣标签与社区对应的方式实现以兴趣点连接社交,用户根据自身意愿选择兴趣标签后可进入该标签所对应的社区,进而找到具有相同兴趣的群体。针对用户无法快速从海量数据中获取有效信息的问题,本文采用主动给用户推送感兴趣内容的方式解决此问题。推荐模块在用户接入层收集用户反馈信息,并将用户反馈信息进行预处理传递给消息队列,由消息队列接收并暂存,然后Spark实时计算任务处理消息队列中的消息,同时读取存储中的历史信息进行计算并更新。然后将Spark的最新计算结果反馈给消息队列以及召回服务并更新到存储中,当用户刷新推荐结果时,Spark根据基于标签、基于邻域和基于流行度三种推荐算法计算目标用户对推荐候选集中帖子的兴趣度生成召回结果,召回服务添加企业知识优先策略,排序服务最终将召回结果进行去重、去劣、排序、混合得到最终推荐结果集。本系统客户端选择内置Vue.js框架的移动端跨平台解决方案WEEX,系统可运行在移动端Web、IOS、Android三种平台,服务端采用Express开发,整个开发流程基于JavaScript完成。本系统包含用户管理、聊天、帖子互动、好友管理等社交产品的基本功能,并采用以标签划分社区、帖子发布在不同社区的设计为用户和帖子打上兴趣标签,同时推荐模块实时接收用户反馈信息并进行实时计算,不断优化推荐结果候选集实现个性化推荐。本系统提供一种以兴趣连接社交的社交模式,可帮助用户迅速找到具有相同兴趣的群体和潜在好友,并采用主动推荐方式帮助用户在庞大信息流中快速获取有效信息,优化了社交产品的用户体验。