基于协同过滤算法的微信小程序文章推荐系统的设计与实现【高分毕设】_(三)协同过滤算法的实现在小程序首页,系统实现了一个基于用户收藏记录的课程推荐-CSDN博客

本文链接：https://blog.csdn.net/XiongWinds/article/details/145318501

随着生活水平的提升，人们对精神层面的追求越来越高，书籍和文章作为精神食粮的主要代表，其重要性不言而喻。本文基于小程序提供了文章推荐和阅读功能，满足读者的阅读需求和创作者的创作需要。经过深入调研并且收集了系统相关的资料，提出了系统的建设目标和主要功能，包括管理端和微信端，管理端包括用户管理、图书管理以及创作者管理，微信端包括的功能有图书阅读、推荐填写、推荐评论等功能。经过需求分析、系统设计和实现，最终建设了系统，经过验证，系统满足最初的建设要求。

资源链接

1.绪论

1.1 课题背景

2021年张小龙表示微信用户数已经超过10亿，作为社交功能为基础的移动端应用，在我国基本上全面覆盖，因此，如果可以在微信端在线阅读，对有实时阅读需求的网民来说将非常便利。选用微信端作为在线阅读平台的原因有，一是微信跨平台，在IOS平台和安卓平台上面都可以直接使用，可以跨平台，不仅如此，微信还可以支持在PC端运行，这使得PC几乎可以跨域生活中使用的任何计算机平台；二是微信生态圈完善，社交链广泛，任何读本都可以在微信上面进行分享，极易产生基于阅读的朋友圈并状大；三是微信小程序开发速度较快，基于微信提供的工具可以快速搭建在微信上面的小程序应用；四是用户使用负担轻，不像移动App那样，如果用户使用的话必须要安装App，而微信小程序则可以免去这个环节，提升用户体验，降低使用负担。
总之，开发一款基于微信端的在线阅读平台，可以极大方便人们的阅读需求，使得人们可以随时随地获取知识。

1.2 研究目的和意义

基于微信小程序的在线阅读系统可以满足随时随地的阅读需求，提升知识获取的便利性，是移动互联网下实时在线阅读发展的必然结果。其研究目的有如下三条，一是可以满足随时随地阅读的需求，利用零碎时间随时随地进行阅读，符合构建全民阅读型社会的倡导和要求；二是可以跨平台使用，降低移植风险，提升平台兼容程度；三是基于协同过滤算法进行内容推荐，可以加速信息过滤速度，提升信息获取效率。
基于微信小程序的在线阅读系统意义深远，从理论上来讲，可以基于协同过滤算法在在线阅读细分行业中进行应用研究和应用推广；从实践角度来说可以满足大家在移动互联网环境下的在线实时阅读需求，还可以通过推荐引擎给用户推荐个性化内容，过滤无效和无用信息，解决知识爆炸带来的知识泛滥问题，可以有针对的给用户推荐自己感兴趣的内容。对我个人而言，可以利用四年所学进行实践，提升软件设计和开发能力，为今后的工作和创业积累经验。

1.3 文献回顾

随着人民受教育程度提高以及我国经济的高速发展，人们对于精神文化生活的追求也越来越高。数字化时代的到来，书籍作为人类进步的阶梯，也实现了数字化，越来越多的人在电子设备上进行阅读，为了提升大家对知识获取的便捷性，提出本课题。本课题可以基于微信小程序阅读文章，并基于用户喜好可以给用户进行相关文章的筛选并进行推荐。
在线阅读相关的系统设计研究成果在学术界较少，主要研究集中在算法推荐中，但是在工业界却有很多在线阅读类的产品。国外有很多知识分享平台、博客、电子书等阅读平台，比如谷歌博客、汤博乐等博客分享平台，可以在这些平台查看文章，平台也支持根据用户的个性而给用户推荐不同文章。国内的知识分享平台和文章阅读类系统有很多，比如知乎、博客园、CSDN等平台都给用户提供了知识阅读的平台，可以在这些系统中进行阅读。相关系统中基本都支持内容推荐，可以基于用户的个性化特征推荐对应文章。

2.关键技术介绍

2.1 前端技术

HTML和CSS是前端开发最常用的技术，HTML主要用来生成静态界面，也可以称之为界面模板，CSS则主要用来定义和规定界面的样式，也就是界面上各个部分的展现形式。在前端开发中，一般使用HTML和CSS来基本上确定界面的风格和形式，而使用JavaScript来生成交互设计和交互的体验，比如校验用户的输入，此外还可以使用JavaScript来调用后端服务，从而获取数据进行前端页面的渲染。HTML和CSS由于其使用简单，容易上手学习，而且被浏览器厂商支持，因此是前端开发中的基础知识和必备工具。任何其他前端框架和其他形式的技术也都以HTML和CSS为技术底座。

2.2 协同过滤

推荐算法一般是指在可选的物品空间中，通过一定手段给物品消费者或者使用者按照一定的方式进行排序，从而可以提炼出排在前n名的物品信息，排名前n位的就是要给读者推荐的物品[10]。推荐算法就是从这些物品空间中搜寻这n个物品所使用的程序和步骤。一般将用户和物品生成一个矩阵，这个矩阵表示了用户和物品之间的喜好程度，然后按照一定的方式和策略对这个矩阵进行变化，从而生成一个新的矩阵，新的矩阵是按照不同的用户对物品进行排序的，在新的矩阵中，可以找到某一个用户喜好的物品从高到低的排序[11]。协同过滤是将用户进行分类，然后每一个类别的用户有不同的喜好，按照不同的分类，可以分析和计算出某一个类别的用户对物品的喜好排名，当有一个新的用户出现的时候，就可以先将这个用户归类到某一个类别中，然后取这个类别用户的喜好物品排名，从而完成协同过滤推荐。这体现了“近朱者赤近墨者黑”的思想。