目录
摘要 1
关键词 1
Abstract. 1
Key words 1
1绪论 2
1.1选题背景意义 2
1.2国内外研究现状 2
1.3研究目的及内容 2
1.3.1研究目的 2
1.3.2研究内容 3
2 Android开发技术 4
2.1 Android客户端开发技术 4
2.2 服务器端开发技术 4
2.3 数据存储端相关技术 4
2.4 协同过滤算法相关技术 4
3 基于物品的协同过滤算法的研究 4
3.1 算法过程原理 4
3.1 算法实现 5
4 Android移动办公的需求分析 7
4.1阅读推荐系统需求分析 7
4.2 系统用例图 8
4.3系统功能活动图 9
4.3.1学生模块活动图 9
4.3.3管理者模块活动图 14
4.4系统类图 15
5 系统设计 16
5.1 数据库设计 16
5.1.1 数据库概念结构设计 16
5.1.2 数据库逻辑结构设计 20
5.2 系统顺序图 22
6 系统实现 26
6.1 Android客户端实现 26
6.1.1 用登录注册功能实现 26
6.1.2 书籍中心模块 27
6.1.3 书籍审核 29
6.1.4 定位导航的实现 29
6.1.5 基于物品的协同过滤算法的实现 30
6.2 服务器端实现 30
6.3 数据库实现 30
6.3.1 Mybatis的具体配置方法 30
6.3.2 服务器数据库交互过程 31
7 系统测试 32
7.1 用户注册 32
7.2 登陆用例 32
7.3 修改个人信息用例 33
7.4 用户计划用例 34< *51今日免费论文网|www.jxszl.com +Q: @351916072@ 
br /> 7.5 个人书单和书籍评分用例 35
7.6书籍中心模块 36
7.7 搜索用例 37
7.8 书籍推荐 38
7.9 师生问答用例 39
7.10书籍资源添加，上架与纠正用例 40
7.11书籍资源审核用例 41
7.12定位导航用例 42
8 总结与展望 43
8.1 总结 43
8.2 展望 43
致谢 44
参考文献 44
基于协同过滤算法的阅读推荐系统
计算机科学与技术学生 秦天涯
引言
1绪论
1.1选题背景意义
移动互联网的飞速发展使得信息的获取变得异常的简单，每天都有各种各样的信息充斥的我们的大脑，比如说微博消息、新闻信息等等，当我们有了智能手机之后随时随地都能获取到这些信息，阅读资讯同样也是如此，电子书籍以及实体书籍数量的飞速增长使得人们获取到感兴趣书籍的成本大大增加，向用户提供感兴趣或者有价值的信息就变得非常的重要，因此实现一个基于安卓的推荐系统对现在的我们来说很有必要。
在一般的资讯阅读APP中，一般认为一个用户对某个资讯或物品产生了行为，这里的行为可以是收藏或者评分评论等等，就可以认为该用户对这条资讯或者物品产生了兴趣，在用户多次产生这种行为之后，便可以通过这些历史行为记录来向这些用户推荐兴趣资讯或物品。以上便是对协同过滤算法的一个简单的理解。协同过滤推荐算法又不止一种，一种是通过计算用户之间的相似度来达到推荐目的的基于用户的协同过滤算法[1]，另一种则是通过计算物品之间的相似度来达到推荐目的的基于物品的协同过滤算法[2]，除了以上两种之外，还有各种混合的推荐算法，只不过在本次设计中并不涉及。通过计算相似度再结合用户的历史行为记录，就可以计算出一张物品的推荐表从而对用户达到用户兴趣推荐效果。
近年来，推荐算法得到了飞速的发展，推荐算法也变得相当的成熟，各大平台软件等使用的都是混合的推荐算法。推荐算法的愈加成熟使得各种各样的推荐系统如春芽一般萌发出来，比如人们每天都在看的新闻推荐系统，还有一些视频网站APP的电影电视剧推荐系统，还有就是本设计提到的阅读推荐系统等等。目前，阅读推荐系统已经应用到很多读书网站和一些手机阅读APP，如豆瓣网、微信读书APP、晒书房等，在这样一个信息飞速发展的年代，给用户提供有效的感兴趣的资讯变得相当的重要。
1.2国内外研究现状
国内外早期对过滤算法的研究，是通过研究物品的内容特性来研究的，该算法需要考虑推荐物品的内容特征，这就使该算法存在着很大的缺陷，推荐的物品和用户的关联性没有那么强，使用该算法的推荐系统给用户的体验相当的不好，之后便有研究人员提出了和用户关联性更强的协同过滤算法，它与基于内容的推荐算法不同的是，它不用去考虑带推荐物品所带有的特征，而是以用户为主，算法的推荐围绕用户来进行，这样的算法思想使协同过滤算法成为了现今国内外最最热门的推荐算法。在后面算法研发中心，国内外研究人员也已协同过滤算法为核心思想，研发出了各种各样的混合推荐算法，各式各样的推荐系统也应运而生。目前推荐系统也运用于我国的很多大型网页，如豆瓣电影网、腾讯视频网站等视频网站[3]，还有淘宝、京东等一些大型购物网站等等，各自都有各自的推荐系统，使用的推荐算法也都有所不同。由此可见，协同过滤推荐算在我国已经相当成熟，但是算法推荐的精准度较国外来说还有待提高。

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/563906.html