文章目录
0 项目说明
基于协同过滤算法的个性化推荐系统
提示:适合用于课程设计或毕业设计,工作量达标,源码开放
项目分享:
https://gitee.com/asoonis/feed-neo
1 研究目的
基于协同过滤算法的个性化新闻推荐系统能够根据对用户在网站内的操作记录的分析,为用户推荐可能喜欢的新闻内容。另外,该系统还实现了新闻的新增、改、查、删操作,以及新闻的评论和回复、新闻评论管理等。
2 研究方法
协同过滤分三类,基于用户的协同过滤(user-based)、基于项目的协同过滤(item-based)和基于模型的协同过滤(model-based)。本系统主要目标为实现基于模型的协同过滤的新闻推荐。
首先,进行新闻内容采集,利用新闻爬虫,抓取新闻之后进行自动提取新闻的关键字,供新闻推荐使用。
其次,用户画像模型的训练,根据用户的操作历史分析出一个可以预测用户偏好的兴趣模型,即形成系统自定的表示该用户近期的兴趣指标的数据集。
最后,进行新闻推荐,根据用户画像模型分析得到一个关联内容的权重排序的集合结果,根据该集合给用户推荐相同关联内容相同的新闻。
3 系统设计
3.1 前台模块
3.1.1 首页
前台主要模块,新闻列表展示(含个性化新闻推荐结果)、新闻详情展示、相似好友推荐,拥有新闻评论、新闻评论回复、新闻评论/回复点赞操作。
3.1.2 个人中心
登录状态下显示模块,展示内容包括动态、粉丝、关注、资料、消息、收藏,操作有关注、个人信息编辑、账号密码修改。
3.1.3 发布者中心
发布者操作模块,包括发布的新闻展示、粉丝指数查看、评论查看、发布者资料查看四个内容展示,发布新闻、删除新闻、评论删除三个操作。
3.2 后台模块
3.2.1 首页
后台欢迎页,展示 24 小时内的热门新闻、PV(page view 缩写 pv 或者 PV,下同)和 UV(user view 缩写 uv 或者 UV,下同)可视化数据视图、活跃用户柱状图、平均 PV/UV 柱状图、地区 UV 比例饼图、地区 PV 比例饼图、类型 PV 饼图。
3.2.2 新闻管理
后台的新闻内容管理中心,管理员在此模块对新闻进行发布、修改、删除。也可在此模块对新闻的分类进行管理,包括分类的增、删、改。另外也可在该模块进行新闻的抓取和前台的离线的新闻相似度计算与保存。发布者发布的新闻审核也在此模块进行。
4 研究结论
系统基本实现了按个性化推荐新闻的功能,其中的发布者中心模块、后台管理模块、前台模块的所有所有功能性正常,暂无验证缺陷,系统功能可以正常运行,包括新闻管理、评论管理、点赞、新闻推荐等所有功能。
5 界面展示
6 论文目录
1 绪论
1.1 前言
1.2 主要研究内容
2 需求分析
2.1 需求概述
2.2 需求功能点概述
2.3 总体用例图
2.4 用例与参与者关系列表
2.5 数据库需求概述
3 软件概要设计
3.1 软件模块结构
3.2 软件模块介绍
3.2.1 系统前台模块
3.2.2 系统后台模块
3.3 数据结构
3.3.1 数据字典
3.3.2 数据模型
4 系统详细设计
4.1 新闻数据采集功能详细设计
4.1.1 新闻采集理论基础
4.1.2 新闻采集设计思路
4.1.3 新闻采集实现方法
4.1.4 新闻采集核心代码
4.2 相似用户推荐机制详细设计
4.2.1 相似用户推荐机制理论基础
4.2.2 相似用户推荐机制设计思路
4.2.3 相似用户推荐机制实现方法
4.2.4 相似用户推荐机制核心代码
4.3 协同过滤推荐新闻机制详细设计
4.3.1 协同过滤推荐新闻机制理论基础
4.3.2 协同过滤推荐新闻机制设计思路
4.3.3 协同过滤推荐新闻机制的实现方法
4.3.4 协同过滤推荐新闻机制核心代码
5 软件测试
5.1 测试方法及工具
5.2 测试类型
5.2.1 功能性测试
5.2.2 易用性测试
5.3 测试用例
5.4 测试执行
5.4.1 前台模块
5.4.2 后台模块
5.5 测试结果统计
5.5.1 BUG 类型统计
5.5.2 BUG 严重程度统计
5.5.3 缺陷倾向及主要原因
5.6 测试结论
5.6.1 功能性
5.6.2 易用性
6 开发环境和软件运行结果
6.1 软件环境
6.2 运行环境
6.3 软件部分运行结果
6.4 存在的问题和不足
总结
致谢
参考文献
项目分享: