一个简易的基于内容的新闻推荐系统

最新推荐文章于 2024-05-06 23:11:04 发布
最新推荐文章于 2024-05-06 23:11:04 发布
阅读量7.6k 收藏 129
点赞数 15
分类专栏： 服务器
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_32523587/article/details/106606009
版权

源码地址：https://github.com/zhouyinfei/NewsRecommend

在线演示地址：http://www.infi.cloud:8000/NewsRecommend/

 

背景：表妹毕业的论文答辩前一个多月突然联系我，要我帮忙弄一下毕业设计，而她自己百度了挺久没有找到合适的方案，要我帮忙。匆忙之下，利用业余时间做了一个简化到不能再简化的系统。本以为自己做的太简单论文答辩可能通过不了，谁料论文答辩的更简单，提问题的时候老师也只是随便问了一下，瞬间感觉自己1个多月的业余时间有点白费的感觉~    可时间都花了，不能白瞎了吧，起码得有个记录，所以写了这篇博客。

目录

1 环境搭建

1.1 新建工程

1.2 引入spring+springmvc

1.3 引入mysql+mybatis

2 主要技术实现

2.1 算法实现

2.2 计算TF

3 数据库

3.1 用户表(users)

3.2 用户token表(users_token)

3.3 新闻表(news)

3.4 新闻类别表(news_type)

4 主要功能

4.1 用户管理

4.1.1 注册、登录(管理员、普通用户)

4.1.2 修改用户信息(管理员、普通用户) 

4.1.3 删除用户信息(管理员) 

4.1.4 获取用户信息(管理员、普通用户)

4.1.5 管理员获取普通用户信息(管理员)

4.1.6 获取用户信息列表(管理员)

4.2 新闻管理

4.2.1 添加新闻类别(管理员)

4.2.2 获取新闻类别列表

4.2.3 添加新闻(管理员)

4.2.4 删除新闻(管理员)

4.2.5 获取新闻列表(普通用户/管理员)

4.2.6 获取新闻内容(普通用户/管理员)

4.2.7 查看历史记录(普通用户/管理员)

4.2.8 搜索新闻(普通用户/管理员)

4.2.9 推荐新闻(普通用户/管理员)

 

1 环境搭建

开发框架：SSM(spring+springmvc+mybatis)

开发语音：Java、HTML5、JavaScript

开发工具：MyEclipse

软件依赖：tomcat8、mysql

1.1 新建工程

打开myeclispe，新建一个maven工程，选择weapp选项。

1.2 引入spring+springmvc

在pom.xml文件中引入如下依赖：

<dependency>

           <groupId>org.springframework</groupId>

           <artifactId>spring-webmvc</artifactId>

           <version>4.3.18.RELEASE</version>

</dependency>

然后在web.xm文件中加入以下配置：

<listener>

              <listener-class>org.springframework.web.context.ContextLoaderListener</listener-class>

</listener>

<context-param>

              <param-name>contextConfigLocation</param-name>

              <param-value>classpath:applicationContext.xml</param-value>

</context-param>

      

<servlet>

    <servlet-name>springmvc</servlet-name>

    <servlet-class>org.springframework.web.servlet.DispatcherServlet</servlet-class>

    <init-param>

      <param-name>contextConfigLocation</param-name>

      <param-value>classpath:springmvc-servlet.xml</param-value>

    </init-param>

    <load-on-startup>1</load-on-startup>

</servlet>

 

<servlet-mapping>

    <servlet-name>springmvc</servlet-name>

    <url-pattern>/</url-pattern>

</servlet-mapping>

创建applicationContext.xml和springmvc-servlet.xml文件，在springmvc-servlet.xml中加入以下配置：

    <!-- spring扫描的包 -->

    <context:component-scan base-package="com.wjj"/>

 

    <!-- DispatcherServlet不处理静态资源,交给服务器默认的servlet处理 -->

    <mvc:default-servlet-handler />

 

    <!-- 启用annotation -->

    <mvc:annotation-driven />

到此，spring+springmvc配置基本完成。

1.3 引入mysql+mybatis

pom.xm依赖引入：

        <!-- mysql 的驱动包-->

        <dependency>

            <groupId>mysql</groupId>

            <artifactId>mysql-connector-java</artifactId>

            <version>8.0.12</version>

        </dependency>

 

        <!--logback 日志包-->

        <dependency>

            <groupId>ch.qos.logback</groupId>

            <artifactId>logback-classic</artifactId>

            <version>1.2.3</version>

        </dependency>

 

        <!-- mybatis jar 包-->

        <dependency>

            <groupId>org.mybatis</groupId>

            <artifactId>mybatis</artifactId>

            <version>3.4.5</version>

        </dependency>

 

        <!-- 数据库连接池 alibaba 的 druid  -->

        <dependency>

            <groupId>com.alibaba</groupId>

            <artifactId>druid</artifactId>

            <version>1.1.7</version>

        </dependency>

 

        <!-- mybatis与spring整合的jar包-->

        <dependency>

            <groupId>org.mybatis</groupId>

            <artifactId>mybatis-spring</artifactId>

            <version>1.3.1</version>

        </dependency>

 

        <!--spring管理的 jdbc ,以及事务相关的-->

        <dependency>

            <groupId>org.springframework</groupId>

            <artifactId>spring-jdbc</artifactId>

            <version>4.3.17.RELEASE</version>

        </dependency>

新建一个db.properties文件，内容如下：

db.driver=com.mysql.cj.jdbc.Driver

db.url=jdbc:mysql://localhost:3306/mybatis?serverTimezone=UTC

db.username=root

db.password=123456

max=20

min=10

再创建一个userMapper.xml文件，内容大致如下：

<?xml version="1.0" encoding="UTF-8" ?>

<!DOCTYPE mapper

 PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN"

 "http://mybatis.org/dtd/mybatis-3-mapper.dtd">

<mapper namespace="com.wjj.dao.UserDao">

      

       <insert id="addUser" parameterType="com.wjj.entity.User">

              insert into users(name,age) values(#{name}, #{age})

       </insert>

      

       <delete id="deleteUser" parameterType="int">

              delete from users where id=#{id}

       </delete>

      

       <update id="updateUser" parameterType="com.wjj.entity.User">

              update users set name=#{name},age=#{age} where id=#{id}

       </update>

 

       <select id="getUser" parameterType="int" resultType="com.wjj.entity.User">

              select * from users where id = #{id}

       </select>

      

       <select id="getAllUsers" resultType="com.wjj.entity.User">

              select * from users

       </select>

</mapper>

在com.wjj.dao包下创建一个UserDao接口：

package com.wjj.dao;

 

import java.util.List;

import com.wjj.entity.User;

public interface UserDao {

 

    void addUser(User user);

    void deleteUser(int id);

    void updateUser(User user);

    User getUser(int id);

    List<User> getAllUsers();

}

在applicationContext.xml文件中加入如下内容：

<context:property-placeholder location="classpath:db.properties"/>

 

    <bean id="dataSource" class="com.alibaba.druid.pool.DruidDataSource">

        <property name="driverClassName" value="${db.driver}"/>

        <property name="url" value="${db.url}"/>

        <property name="username" value="${db.username}"/>

        <property name="password" value="${db.password}"/>

 

        <property name="maxActive" value="${max}"/>

        <property name="minIdle" value="${min}"/>

    </bean>

 

    <bean id="sqlSessionFactory" class="org.mybatis.spring.SqlSessionFactoryBean">

        <property name="dataSource" ref="dataSource"/>

        <property name="mapperLocations" value="classpath*:*Mapper.xml"/>

    </bean>

 

    <bean id="sqlSession" class="org.mybatis.spring.SqlSessionTemplate">

        <constructor-arg index="0" ref="sqlSessionFactory" />

    </bean>

整体结构如下：

操作mybatis示例：

ClassPathXmlApplicationContext context = new

           ClassPathXmlApplicationContext("classpath:applicationContext.xml");

              /* 得到 SqlSession 对象*/

        SqlSession sqlSession = (SqlSession) context.getBean("sqlSession");

 

              String statement = null;

             

              //添加

              statement = "com.wjj.dao.UserDao.addUser";

              int insert = sqlSession.insert(statement, new User(-1, "yinfei", 28));

              System.out.println(insert);

             

              //删除

              statement = "com.wjj.dao.UserDao.deleteUser";

              int delete = sqlSession.delete(statement, 9);

              System.out.println(delete);

             

              //查询

              statement = "com.wjj.dao.UserDao.getUser";

              User user = sqlSession.selectOne(statement,1);

              System.out.println(user);

             

              //修改

              statement = "com.wjj.dao.UserDao.updateUser";

              int update = sqlSession.update(statement, new User(10, "yinfei", 30));

              System.out.println(update);

             

              //查询所有

              statement = "com.wjj.dao.UserDao.getAllUsers";

              List<User> list = sqlSession.selectList(statement);

              System.out.println(list);

到此，mybatis配置基本完成。

2 主要技术实现

2.1 算法实现

TF-IDF算法

其实这个是两个词的组合，可以拆分为TF和IDF。

TF（Term Frequency，缩写为TF）也就是词频啦，即一个词在文中出现的次数，统计出来就是词频TF，显而易见，一个词在文章中出现很多次，那么这个词肯定有着很大的作用，但是我们自己实践的话，肯定会看到你统计出来的TF 大都是一些这样的词：‘的’，‘是’这样的词，这样的词显然对我们的分析和统计没有什么帮助，反而有的时候会干扰我们的统计，当然我们需要把这些没有用的词给去掉，现在有很多可以去除这些词的方法，比如使用一些停用词的语料库等。

假设我们把它们都过滤掉了，只考虑剩下的有实际意义的词。这样又会遇到了另一个问题，我们可能发现"中国"、"蜜蜂"、"养殖"这三个词的出现次数一样多。这是不是意味着，作为关键词，它们的重要性是一样的？

显然不是这样。因为"中国"是很常见的词，相对而言，"蜜蜂"和"养殖"不那么常见。如果这三个词在一篇文章的出现次数一样多，有理由认为，"蜜蜂"和"养殖"的重要程度要大于"中国"，也就是说，在关键词排序上面，"蜜蜂"和"养殖"应该排在"中国"的前面。

所以，我们需要一个重要性调整系数，衡量一个词是不是常见词。如果某个词比较少见，但是它在这篇文章中多次出现，那么它很可能就反映了这篇文章的特性，正是我们所需要的关键词。

用统计学语言表达，就是在词频的基础上，要对每个词分配一个"重要性"权重。最常见的词（"的"、"是"、"在"）给予最小的权重，较常见的词（"中国"）给予较小的权重，较少见的词（"蜜蜂"、"养殖"）给予较大的权重。这个权重叫做"逆文档频率"（Inverse Document Frequency，缩写为IDF），它的大小与一个词的常见程度成反比。

知道了"词频"（TF）和"逆文档频率"（IDF）以后，将这两个值相乘，就得到了一个词的TF-IDF值。某个词对文章的重要性越高，它的TF-IDF值就越大。所以，排在最前面的几个词，就是这篇文章的关键词。

1.计算词频TF

 

考虑到文章有长短之分，为了便于不同文章的比较，进行"词频"标准化。

或者

 

2.计算逆文档频率IDF

需要一个语料库（corpus），用来模拟语言的使用环境。

如果一个词越常见，那么分母就越大，逆文档频率就越小越接近0。分母之所以要加1，是为了避免分母为0（即所有文档都不包含该词）。log表示对得到的值取对数。

 

3.计算TF-IDF

可以看到，TF-IDF与一个词在文档中的出现次数成正比，与该词在整个语言中的出现次数成反比。所以，自动提取关键词的算法就很清楚了，就是计算出文档的每个词的TF-IDF值，然后按降序排列，取排在最前面的几个词。

 

还是以《中国的蜜蜂养殖》为例，假定该文长度为1000个词，"中国"、"蜜蜂"、"养殖"各出现20次，则这三个词的"词频"（TF）都为0.02。然后，搜索Google发现，包含"的"字的网页共有250亿张，假定这就是中文网页总数。包含"中国"的网页共有62.3亿张，包含"蜜蜂"的网页为0.484亿张，包含"养殖"的网页为0.973亿张。则它们的逆文档频率（IDF）和TF-IDF如下：

从上表可见，"蜜蜂"的TF-IDF值最高，"养殖"其次，"中国"最低。（如果还计算"的"字的TF-IDF，那将是一个极其接近0的值。）所以，如果只选择一个词，"蜜蜂"就是这篇文章的关键词。

除了自动提取关键词，TF-IDF算法还可以用于许多别的地方。比如，信息检索时，对于每个文档，都可以分别计算一组搜索词（"中国"、"蜜蜂"、"养殖"）的TF-IDF，将它们相加，就可以得到整个文档的TF-IDF。这个值最高的文档就是与搜索词最相关的文档。

TF-IDF算法的优点是简单快速，结果比较符合实际情况。缺点是，单纯以"词频"衡量一个词的重要性，不够全面，有时重要的词可能出现次数并不多。而且，这种算法无法体现词的位置信息，出现位置靠前的词与出现位置靠后的词，都被视为重要性相同，这是不正确的。（一种解决方法是，对全文的第一段和每一段的第一句话，给予较大的权重。）

2.2 计算TF

这里需要用到分词工具jieba。

引入依赖：

<dependency>

                  <groupId>com.huaban</groupId>

                  <artifactId>jieba-analysis</artifactId>

                  <version>1.0.2</version>

</dependency>

使用示例：

import com.huaban.analysis.jieba.JiebaSegmenter;

 

JiebaSegmenter segmenter = new JiebaSegmenter();

String sentences = "他来到了网易杭研大厦, 网易杭研大厦";

List<String> wordList = segmenter.sentenceProcess(sentences);

System.out.println(wordList);

分词结果如下：

然后统计每个单词的出现次数：

Map<String,Integer> amountWord=new HashMap<String,Integer>();

        for (String string : wordList) {

            if(!amountWord.containsKey(string)){

                amountWord.put(string,1);

            }else{

                amountWord.put(string, amountWord.get(string).intValue()+1);

            }

        }

System.out.println(amountWord);

统计结果如下：

接下来需要计算词频TF：

//计算词频TF

Map<String, Double> tfWord=new HashMap<String,Double>();

for (Entry<String, Integer> string : amountWord.entrySet()) {

     tfWord.put(string.getKey(), Double.valueOf(string.getValue())/wordList.size());

}

System.out.println(tfWord);

统计结果如下：

3 数据库

数据库采用mysql。

数据库名：

news_recommend

创建数据库：

CREATE DATABASE news_recommend;

3.1 用户表(users)

字段

默认类型

备注

id

int

用户id，唯一，单调递增，主键

username

VARCHAR(30)

用户名，注册时候填写的，登录的时候使用，唯一索引

password

VARCHAR(30)

密码

phonenum

VARCHAR(30)

手机号

email

VARCHAR(30)

邮箱

level

int

用户等级。索引。

1：管理员

2：普通用户

history_news

TEXT

历史浏览记录, 新闻id列表，用","分割，例如"2,3,11,15"

search_words

TEXT

搜索记录，字符串列表，用","分割，例如"信息,天天,"

创建表：

USE news_recommend;

CREATE TABLE users (id INT PRIMARY KEY AUTO_INCREMENT, username

 VARCHAR(30), password VARCHAR(30), phonenum VARCHAR(30), email

VARCHAR(30), level INT, history_news TEXT, search_words TEXT);

ALTER TABLE users ADD UNIQUE (username);    //创建唯一索引

ALTER TABLE users ADD INDEX level_index (level); //创建普通索引

DESC users;                                  //查看表的情况

3.2 用户token表(users_token)

字段

默认类型

备注

id

int

等同于上表中的用户id，主键

token

VARCHAR(30)

管理员token，调用API时需要带上该参数，15分钟后过期，唯一索引

create_time

DATETIME

创建时间，用于使该条记录过期，索引

level

int

用户等级。

1：管理员

2：普通用户

注：1、每次用户重新登录，需要修改token值。

       2、用户使用token调用API时，token过期时间需要重新刷新成15分钟。

              a、打开event_scheduler：my.cnf中[mysqld]添加event_scheduler=on #重启服务

              b、创建事件：create event myevent on SCHEDULE every 5 second do delete from news_recommend.users_token where create_time <(CURRENT_TIMESTAMP() + INTERVAL -15 MINUTE);#删除15分钟前的数据

              c、开启事件：alter event myevent on completion preserve enable;

              d、关闭事件：alter event myevent on completion preserve disable;

              e、查看事件：show events;

              f、删除事件：drop event if exists myevent;

创建表：

CREATE TABLE users_token (id INT PRIMARY KEY , token VARCHAR(30), create_time DATETIME, level INT);

ALTER TABLE users_token ADD UNIQUE (token);  //创建唯一索引

ALTER TABLE users_token ADD INDEX create_time_index (create_time); //创建普通索引

DESC users_token;                                  //查看表的情况

3.3 新闻表(news)

字段

默认类型

备注

id

int

新闻id，唯一，单调递增，主键

title

VARCHAR(30)

新闻标题

type

VARCHAR(30)

新闻类别，例如：政治新闻、经济新闻、法律新闻、军事新闻、科技新闻、文教新闻、体育版新闻、社会新闻等

label

VARCHAR(30)

新闻标签，新增新闻时用户手动输入

keyword

VARCHAR(30)

关键字，系统自动从新闻内容中提取

content

TEXT

新闻内容,长文本格式，0~65535长度

src

VARCHAR(100)

新闻来源，一个超链接，连接到源地址，例如：https://new.qq.com/omn/20200415/20200415A05J6M00.html

创建表：

USE news_recommend;

CREATE TABLE news (id INT PRIMARY KEY AUTO_INCREMENT, title VARCHAR(30), type VARCHAR(30), label VARCHAR(30), keyword VARCHAR(30), content TEXT, src  VARCHAR(100));

ALTER TABLE news ADD INDEX type_index (type); //创建普通索引

ALTER TABLE news ADD INDEX label_index (label); //创建普通索引

ALTER TABLE news ADD INDEX keyword_index (keyword); //创建普通索引

DESC news;                                  //查看表的情况

3.4 新闻类别表(news_type)

字段

默认类型

备注

id

int

新闻类别id，唯一，单调递增，主键

type

VARCHAR(30)

新闻类别，例如：政治新闻、经济新闻、法律新闻、军事新闻、科技新闻、文教新闻、体育版新闻、社会新闻等

创建表：

USE news_recommend;

CREATE TABLE news_type(id INT PRIMARY KEY AUTO_INCREMENT,type VARCHAR(30));

DESC news_type;                                  //查看表的情况

4 主要功能

4.1 用户管理

4.1.1 注册、登录(管理员、普通用户)

注册：

http://localhost:8080/NewsRecommend/userRegist?username=ee&password=bb&level=1

参数：

       username：用户名

       password：密码

       level：用户权限，1、管理员(只有一个)，2、普通用户

 

登录：

http://localhost:8080/NewsRecommend/userLogin?username=ff&password=cc&level=1

参数： 同上

返回值：

{ "retcode" : "200" , "token" : "bqP6PQHP4T" }

异常码：

错误码

说明

301

用户已存在（user is already existed）

302

管理员已存在（manager is already existed）

303

用户不存在（user is not existed）

304

用户权限错误(user permission error)

305

参数格式错误(invalid parm)

306

密码错误(password incorrect)

4.1.2 修改用户信息(管理员、普通用户) 

http://localhost:8080/NewsRecommend/userModify?token=ee&level1=1&username=a&level2=2&password=aa&phonenum=13015929018&email=123@qq.com

参数：

     token：            修改人的token

     level1：           修改人的权限：1、管理员， 2、普通用户

     username：         被修改人的用户名

     level2：           被修改人的权限：1、管理员， 2、普通用户

     password：         修改后的密码

     phonenum：         修改后的手机号

     email：                修改后的邮箱

 

异常码：

错误码

说明

307

无效的token(invalid token)

 

 

4.1.3 删除用户信息(管理员) 

http://localhost:8080/NewsRecommend/userDelete?token=2BQg2SDUA&username=aa

参数：

     token：            管理员token

     username：         普通用户用户名

4.1.4 获取用户信息(管理员、普通用户)

http://localhost:8080/NewsRecommend/userGetInfo?token=2BQg2SDUA

参数：

     token：            用户token

返回值：

{"retcode":"200","password":"456","phonenum":"13015929018","email":"493589280@qq.com","username":"infi"}

4.1.5 管理员获取普通用户信息(管理员)

http://localhost:8080/NewsRecommend/userGetInfoByAdmin?token=2BQg2SDUA&username=abc  

参数：

     token：            管理员token

     username：         用户名

返回值：

{"retcode":"200","password":"456","phonenum":"13015929018","email":"493589280@qq.com","username":"infi"}

4.1.6 获取用户信息列表(管理员)

http://localhost:8080/NewsRecommend/userGetInfoList?token=2BQg2SDUA

参数：

     token：            管理员token

返回值：

{"userList":

[{"email":"493589280@qq.com","history_news":"2,3,4,5,6,9,10,","id":1,"level":2,"password":"456","phonenum":"13015929018","search_words":"天天向上,哈哈,","username":"infi"},

{"id":7,"level":2,"password":"123456","username":"zhouyinfei"},

{"id":9,"level":2,"password":"123","username":"wc"},

{"id":10,"level":2,"password":"111","username":"admin"}],

"retcode":"200"}

 

4.2 新闻管理

4.2.1 添加新闻类别(管理员)

http://localhost:8080/NewsRecommend/newsTypeAdd?token=aaa&type=历史新闻

参数：

     token：            管理员token

     type：             新闻类别

异常码：

错误码

说明

401

新闻类别已存在(news type is already existed)

 

 

4.2.2 获取新闻类别列表

http://localhost:8080/NewsRecommend/newsTypeGetList?token=aaa

参数：

     token：            管理员token

异常码：

错误码

说明

 

 

 

 

返回值：

{"newsTypeList":[{"id":2,"title":"八卦新闻"},{"id":3,"title":"法律新闻"}],"retcode":"200"}

 

    newsTypeList：  新闻类型列表，包括id和名称

    retcode：   错误码，200时表示正常

4.2.3 添加新闻(管理员)

http://localhost:8080/NewsRecommend/newsAdd?token=aaa&title=aa&type=历史新闻&label=aa&content=aa&src=aa

参数：

     token：            管理员token

     title：            新闻标题

type：             新闻类别

label：            新闻标签

content：          新闻内容

src：              新闻来源

异常码：

错误码

说明

402

新闻类别不存在(news type not exist)

 

 

4.2.4 删除新闻(管理员)

http://localhost:8080/NewsRecommend/newsDelete?token=aaa&id=3

参数：

     token：            管理员token

     title：            新闻标题

type：             新闻类别

label：            新闻标签

content：          新闻内容

src：              新闻来源

异常码：

错误码

说明

403

新闻不存在(news not exist)

 

 

4.2.5 获取新闻列表(普通用户/管理员)

http://localhost:8080/NewsRecommend/newsGetList?token=aaa&type=aa

参数：

     token：            用户token

type：             新闻类别

返回值：

{"newsList":[{"id":2,"title":"aa"},{"id":3,"title":"aa"},{"id":4,"title":"aa"}],"retcode":"200"}

    newsList：  新闻列表，包括id和标题

    retcode：   错误码，200时表示正常

异常码：

错误码

说明

 

 

 

 

 

4.2.6 获取新闻内容(普通用户/管理员)

http://localhost:8080/NewsRecommend/newsGet?token=aaa&id=aa

参数：

     token：            用户token

    id：               新闻id

返回值：

{"news":{"content":"abcd","id":2,"keyword":"bb","label":"bb","src":"http://xxx","title":"aa","type":"aa"},"retcode":"200"}

异常码：

错误码

说明

 

 

 

 

4.2.7 查看历史记录(普通用户/管理员)

http://localhost:8080/NewsRecommend/newsGetHistoryList?token=aaa

参数：

     token：            用户token

返回值

{"historyList":[{"id":2,"title":"aa"},{"id":4,"title":"aa"}],"retcode":"200"}

 

4.2.8 搜索新闻(普通用户/管理员)

http://localhost:8080/NewsRecommend/newsSearch?token=aaa&keyword=aaa  

参数：

     token：            用户token

     keyword:           搜索的关键字

返回值

{"newsList":[{"id":2,"title":"天天向上"},{"id":3,"title":"天天想你"},{"id":4,"title":"天罡北斗"}],"retcode":"200"}

 

4.2.9 推荐新闻(普通用户/管理员)

根据搜索记录，推荐用户新闻

http://localhost:8080/NewsRecommend/newsRecommend?token=aaa   

参数：

     token：            用户token

返回值

{"newsList":[{"id":2,"title":"天天向上"},{"id":3,"title":"天天想你"},{"id":4,"title":"天罡北斗"}],"retcode":"200"}

异常码：

错误码

说明

404

无搜索记录(no search history)

 

 

 

嫩草终结者
关注
  • 15
    点赞
  • 踩
  • 129
    收藏
    觉得还不错? 一键收藏
  • 26
    评论
专栏目录
基于内容的新闻推荐系统项目源码、数据库、开发文档PPT
2301_77998580的博客
05-06 234
系统首先使用分词工具包jieba对每个新闻进行分词，根据分出来的值过滤掉语气词和不重要的内容，然后计算每个词的TF-IDF值获取新闻关键词以及采用余弦相似度计算除自己以外的其他新闻关键词的相似度，根据从大到小排序，选取前五个新闻的id保存在相似度列表中，当用户通过点击一个新闻的标题、封面等查看新闻详情页时，系统就会去数据库取该新闻相似度最高的5条新闻然后把它们推荐给用户。新闻管理模块里包括进行增删改查分类信息的分类管理、增删改查新闻的标题、封面等信息的新闻管理以及增删改新闻的任意一条评论的评论管理。
微服务实战（十七）微服务Token的实现： MD5简易Token、Jwt、Jwt结合AES加密
看山不是山
03-13 7245
关于Token (令牌) 说起令牌，仿佛回到了封建时代，一掏出令牌，其他人都知道你是什么身份了。 而在web系统中，前后端的业务交互也往往需要附带身份数据，先姑且把这个数据统称为Token （令牌） 。 面向有状态HTTP请求：在前后端不分离的模式下，这个Token实际上是 jsessionId，存储在前端的cookies中，后端根据请求者cookies里的jsesssionId获取到服务...
推荐系统之基于内容推荐
蔡政洁的博客
02-16 8071
（1）基于内容推荐原理 （2）基于内容推荐优势与应用场景 （3）基于内容推荐架构图详解 （4）基于内容推荐TF-IDF详解 （5）
基于Python+SSM的新闻个性化采集推荐系统
最新发布
chenshifu888的博客
05-06 1320
随着互联网与移动互联网迅速普及，网络上的电影娱乐信息相当庞大，人们对感兴趣的新闻信息的需求越来越大，个性化的新闻推荐成为一个热门。基于个性化推荐算法形成的产品成为人们获取信息的主要途径。网络新闻推荐系统旨在解决新闻信息爆炸的问题，为用户提供个性化的推荐服务。一般来说，新闻语言是高度浓缩的，包含了很多知识实体和常识。个性化推荐一词最早出现在电商行业，是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。
NewsRecommendation
qq_43753721的博客
09-06 2216
文章目录简介问题定义背景Problem Definition评价指标数据集已有的模型 简介 NewsRecommendation是Recommendation的一个子领域，但是新闻推荐系统不同于其他的推荐系统，还需要对新闻文本进行处理，之前NewsRecommendation这个领域没什么进展是因为缺乏相关的数据集，Microsoft最近刚刚开源了MIND数据集，可以使用MIND数据集来研究新闻推荐系统的相关模型算法** *关于MIND数据集的介绍可以参考这篇paper：MIND: A Large-scal
基于协同过滤算法的个性化新闻推荐系统的设计与实现（采用Java语言的SSM框架实现基于用户、物品的协同过滤推荐算法）
集美大bug的博客
07-07 1082
Java语言（SSM框架）实现基于用户和物品的协同过滤算法新闻推荐系统，使用通过爬虫爬取环球日报新闻实现。工具：IDEA，jdk1.8，Mysql8，navicat数据库管理工具，Tomcat。语言：SSM(Spring+SpringMVC+Mybatis)开发框架。前端：javascript脚本，jquery脚本，用户端使用bootstrap前端框架，管理员端使用layui前端框架，layer弹窗组件等。
自学python没有证书_[Python自学] DRF (3) (认证组件)
weixin_39626131的博客
12-09 190
一、实现登录验证1.创建User和Token表User表用作用户名密码认证，Token表用于存放用户每次成功登陆后的随机Token。在models.py中添加以下两张表：#用户表classUser(models.Model):username= models.CharField(max_length=32)password= models.CharField(max_length=32)#toke...
ASP.NET简易新闻系统
12-20
总的来说，ASP.NET简易新闻系统是一个基础的Web应用项目，涵盖了ASP.NET开发中的基本元素，包括前端交互、后端逻辑处理和数据库操作。对于初学者来说，通过这个项目可以学习到如何构建一个完整的Web应用程序，并对...
基于SSM框架的新闻管理系统源码（课程设计+毕业设计）.zip
06-02
Java开发基于SSM框架的新闻管理系统源码。 实现 登录 、 注册、 新闻内容、类别、评论、个人信息、系统管理等功能 ； 可继续完善增加前端、等其他功能等； 可作为 SSM框架 开发学习模型； 课程设计 、 本科毕业设计 ...
基于Python实现的新闻推荐系统源码+项目使用说明+数据(网络数据挖掘作业).zip
01-16
UCAS-DM(UCAS-DataMining)是一个较为简易的推荐算法库，专门为国科大-网络数据挖掘的**新闻推荐**课程大作业所设计，其主要包含了数据预处理，推荐算法以及算法性能评测三个部分，该算法库旨在为使用者提供更加方便...
安卓 一个简单新闻系统的服务器和客户端
05-28
这个项目名为“安卓一个简单新闻系统的服务器和客户端”，旨在提供一个基础的框架，让用户能够获取和展示新闻内容。下面我们将详细探讨这个系统的关键组成部分和实现技术。 1. **服务器端**： - **MyEclipse**：这...
Android代码-NewsRecommendSystem
08-06
个性化新闻推荐系统--TomRecommenderSystem 中文文档 | English Document 说明 本推荐系统使用的推荐算法包括协同过滤（Collaborative Filtering）、基于内容相似度的推荐（Content-based Recommendation）与热点新闻推荐（Hot News Recommendation）： 协同过滤的实现依托于Mahout的提供库； 基于内容的相似度推荐在原始算法上基于相关论文做了自主的改进； 热点新闻推荐顾名思义是取最近被最多用户浏览过的新闻进行推荐。 推荐算法的具体细节可参考文件[推荐系统介绍.pdf] 主要使用的库（Lib）: Ansj：基于内容的推荐部分用以分词，以及其内含的TFIDF算法。 Quartz：推荐系统定时运行的设定。 Mahout：使用内置的协同过滤算法。 Jfinal：使用内置的ActiveRecord与Db工具，对推荐系统中的数据库表做了实体类映射，以简化数据库相关操作。 本推荐系统需要基于【新闻模块】使用，此处对于【新闻模块】的定义是：有规律地进行新闻采集，并通过公共平台对用户进行新闻展示
recommend-system:一个基于文本挖掘的明星代言推荐系统
03-11
推荐系统 一个基于文本挖掘的明星代言推荐系统 几个文件的注释百度百科中网友印象图片微博短文本的分词文件（jieba分词） 用户标签的json文件用户标签的文件推荐系统实现的ipynb文件用户标签的词向量单线程微博爬虫用户端计算成的400维词向量
idea课设的新闻管理系统
10-11
idea新闻管理系统，蒙混老师的...基于spring，springmvc，mybatis，没有使用maven，jar包源码都在里面，数据库基于MySQL，较为简易的一个系统，只能用来骗骗老师蒙混课设。mysql源码之前忘了发，有需要可以联系补发。
token详解以及应用原理
cmj6706的博客
01-11 2万+
一、我们先解释一下Token的含义1、Token的引入： Token是在客户端频繁向服务端请求数据，服务端频繁的去数据库查询用户名和密码并进行对比，判断用户名和密码正确与否，并作出相应提示，在这样的背景下，Token便应运而生。2、Token的定义： Token是服务端生成的一串字符串，以作客户端进行请求的一个令牌，当第一次登录后，服务器生成一个Token便将此Token返回给客户端，以后客户
新闻推荐系统：基于内容的推荐算法（Recommender System：Content-based Recommendation）
热门推荐
MapleStory的博客
08-20 5万+
因为开发了一个新闻推荐系统的模块，在推荐算法这一块涉及到了基于内容的推荐算法（Content-Based Recommendation），因此用到了朴素贝叶斯来对抓取的新闻进行分类，以达到为用户推荐符合其兴趣的新闻。于是借此机会，基于自己看了网上各种资料后对该分类方法的理解，用尽量清晰明了的语言，结合算法和自己开发推荐模块本身，记录下这些过程，供自己回顾，也供大家参考~目录一、基于内容的推荐算法 +
【读】自动文摘——预备
imsuhxz的博客
09-10 953
本文转载自： 自动文摘（一）、自动文摘（二）、自动文摘（三）、自动文摘（四） 目录 一、前言 Ideas Introduction Link 二、抽取式 Extractive Summarization 预处理 词、句表示 排序 后处理 输出 Link 三、难点 Abstractive Evaluation 人工评价 自动评价 重要性 四、生成式摘要 E...
Task01：熟悉新闻推荐系统的基本流程（数据库设计）
博客
03-14 1541
Task01：熟悉新闻推荐系统的基本流程（数据库设计）0.代码版本1. 相关文件2. MySQL3. MongoDB4. Redis5. 流程图示 0.代码版本 该专栏的博客当中涉及的所有代码，均为组队学习期间的版本，大概在2021年12月12日左右，某一个可能的参考版本链接如下： https://github.com/datawhalechina/fun-rec/tree/9bcfafaae339c443cc7911b9070bf52adef9e994 1. 相关文件 PS D:\Project\fun-
新闻推荐算法
qq_42310715的博客
11-18 1134
新闻推荐算法介绍，基于知识图谱的推荐算法介绍。
设计一个基于web的简易学生选课系统
11-11
这个基于web的简易学生选课系统将包括以下功能： 1. 学生登录：学生可以使用他们的用户名和密码登录系统，以访问他们的选课信息。 2. 课程浏览：学生可以在系统中浏览可选的课程列表，并查看每门课程的详细信息，如课程名称、教师信息、上课时间和地点等。 3. 选课功能：学生可以根据自己的兴趣和学习计划，在系统中选择并提交自己想要上的课程。系统将自动检查课程时间表的冲突，并提醒学生进行调整。 4. 课程管理：教师和管理员可以在系统中添加、编辑和删除课程信息，包括课程名称、上课时间、教室信息等。 5. 成绩查询：学生可以在系统中查询自己的课程成绩，了解自己的学习情况。 6. 系统管理：管理员可以对学生信息、教师信息和课程信息进行管理，确保系统的正常运行。 该系统将采用HTML、CSS和JavaScript进行前端开发，使用PHP或Python进行后端开发，数据库采用MySQL或者其他关系型数据库管理系统。系统将实现用户认证和权限管理，确保只有登录用户才能进行选课操作，并根据用户身份进行不同的功能展示。系统还将具有良好的用户界面设计和交互体验，确保用户能够方便、快捷地完成选课操作。同时，系统将注重安全性，确保学生的个人信息和选课信息不会泄露或被非法使用。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 26
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值