發(fā)布時間：2020-11-22 03:55

　　 閩南文化博大精深、源遠(yuǎn)流長,上接中原、吳楚,下續(xù)臺灣、東南亞,既包含了傳統(tǒng)的農(nóng)耕文化,也蘊藏著豐富的海絲文化,具有獨特的魅力和藝術(shù)感召力。為了使閩南文化更好地傳承,無論民間、學(xué)術(shù)界還是政府層面上,都迫切需要一個為閩南文化專家學(xué)者提供科研服務(wù)的專屬平臺。為了讓用戶能夠輕松便捷地找到自己需求的文獻資料,本文介紹了如何開發(fā)一個個性化的閩南文化科研服務(wù)平臺。本系統(tǒng)分為三個子系統(tǒng),分別為站點管理子系統(tǒng)、日志子系統(tǒng)、推薦子系統(tǒng),每個子系統(tǒng)有著各自的目標(biāo)和任務(wù)。站點管理子系統(tǒng)負(fù)責(zé)用戶、文獻資料等數(shù)據(jù)的管理,提供熱點跟進、專家推介、會議追蹤、學(xué)科導(dǎo)航、決策咨詢、文獻推送等服務(wù)。日志子系統(tǒng)主要負(fù)責(zé)日志采集、分析、統(tǒng)計等功能。推薦子系統(tǒng)主要實現(xiàn)對用戶提供個性化推薦服務(wù)。站點管理子系統(tǒng)、日志子系統(tǒng)采用PHP作為開發(fā)語言,使用MySQL作為后臺數(shù)據(jù)庫,進行數(shù)據(jù)存儲,采用B/S的架構(gòu)對系統(tǒng)進行開發(fā)。推薦子系統(tǒng)基于Python語言進行編寫,分析用戶行為數(shù)據(jù),實現(xiàn)個性化推薦。推薦系統(tǒng)的實現(xiàn)是本文的重點,本系統(tǒng)先對用戶行為進行收集,建立用戶興趣模型,使用K-means聚類算法對用戶進行聚類,縮小尋找鄰居范圍,降低算法的時間復(fù)雜度,最后使用基于用戶的協(xié)同過濾算法,為閩南文化的專家學(xué)者提供專屬的文獻推送服務(wù)。
【學(xué)位單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.3;TP311.52
【部分圖文】：

圖 3.3 文獻管理用例圖.3 專家信息管理用例分析專家信息管理模塊需為用戶提供專家信息檢索功能。學(xué)科館員可以錄入、、刪除專家學(xué)者的個人信息，包含簡介、聯(lián)系方式、發(fā)表在各種刊物上的以及獲批的各級科研項目、學(xué)術(shù)影響力等。該模塊的用例如圖 3.4 所示。

刪除會議通知圖 3.6 會議通知用例圖6 資源推介管理用例分析在資源推介模塊中，用戶可以登錄平臺網(wǎng)站，查看系統(tǒng)自動為用戶推薦的資料。學(xué)科館員也可手動地把熱點資訊、會議資訊、領(lǐng)域?qū)＜液臀墨I資料過平臺，以郵件的形式發(fā)送到用戶手中，該模塊用例圖如圖 3.7 所示。

圖 3.9 日志子系統(tǒng)用例圖 推薦子系統(tǒng)文獻推送子系統(tǒng)是該平臺的核心。本小節(jié)先對系統(tǒng)的主要算法進行于用戶的協(xié)同過濾推薦算法，然后再通過用例來分析系統(tǒng)的功能需求1 用戶相似度計算分析基于用戶的系統(tǒng)過濾推薦算法主要包含如下三步：1. 收集數(shù)據(jù)搜集閩南文化專家學(xué)者的用戶信息，通過用戶對文獻資料的瀏覽、次數(shù)發(fā)現(xiàn)用戶行為規(guī)律，并將所獲信息轉(zhuǎn)化為及其能夠識別的數(shù)據(jù)。2. 相似度計算通過獲取的用戶偏好數(shù)據(jù)，運用余弦相似度計算公式進行相似度計過相似度高低確定“鄰居群”。
【參考文獻】

相關(guān)期刊論文 前10條

1 管華;;對當(dāng)今Python快速發(fā)展的研究與展望[J];信息系統(tǒng)工程;2015年12期

2 徐紅艷;杜文剛;馮勇;王佳美;劉夢迪;;一種基于多屬性評分的協(xié)同過濾算法[J];遼寧大學(xué)學(xué)報(自然科學(xué)版);2015年02期

3 通拉嘎;;面向國家級研究平臺的圖書館特色信息服務(wù)——以閩南方言在線詞典的建設(shè)為例[J];河北科技圖苑;2015年01期

4 肖旻;陳行;;基于Python語言編程特點及應(yīng)用之探討[J];電腦知識與技術(shù);2014年34期

5 呂誠;;基于用戶相似度的加權(quán)項目偏差SlopeOne協(xié)同過濾推薦算法[J];南昌大學(xué)學(xué)報(理科版);2014年04期

6 周建標(biāo);;東亞文化之都泉州發(fā)展文化產(chǎn)業(yè)的路徑探索[J];上海市經(jīng)濟管理干部學(xué)院學(xué)報;2014年04期

7 王千;王成;馮振元;葉金鳳;;K-means聚類算法研究綜述[J];電子設(shè)計工程;2012年07期

8 陳志敏;李志強;;基于用戶特征和項目屬性的協(xié)同過濾推薦算法[J];計算機應(yīng)用;2011年07期

9 和博濤;李震雄;;面向電子商務(wù)的協(xié)同過濾推薦系統(tǒng)研究與設(shè)計[J];數(shù)字技術(shù)與應(yīng)用;2011年03期

10 黃國言;李有超;高建培;常旭亮;;基于項目屬性的用戶聚類協(xié)同過濾推薦算法[J];計算機工程與設(shè)計;2010年05期

相關(guān)博士學(xué)位論文 前2條

1 鄧琨;基于鄰域的協(xié)同過濾推薦系統(tǒng)相似度研究[D];江西財經(jīng)大學(xué);2017年

2 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D];浙江大學(xué);2005年

相關(guān)碩士學(xué)位論文 前8條

1 孫笑音;基于K-Means的慕課用戶行為分析研究[D];北京交通大學(xué);2017年

2 李悅;基于聚類算法的吉林大學(xué)校園新聞推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];吉林大學(xué);2017年

3 王強;基于協(xié)同過濾的個性化推薦算法研究及系統(tǒng)實現(xiàn)[D];西南交通大學(xué);2017年

4 蔡英文;基于多屬性評分的電子商務(wù)個性化推薦算法研究[D];江西財經(jīng)大學(xué);2016年

5 林琬珍;基于協(xié)同過濾技術(shù)的旅游景點推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];遼寧大學(xué);2016年

6 黎妙嫦;江門市新會機電職業(yè)技術(shù)學(xué)校教學(xué)質(zhì)量評價管理系統(tǒng)的研究與分析[D];云南大學(xué);2015年

7 林九根;企業(yè)訂貨管理系統(tǒng)的分析與設(shè)計[D];云南大學(xué);2013年

8 張恒瑋;基于協(xié)同過濾技術(shù)的電子商務(wù)推薦系統(tǒng)的研究與實現(xiàn)[D];華北電力大學(xué);2012年

本文編號：2894077