关于本文

• 本文标题：用户画像系统设计.doc
• 链接地址：https://wk.sbvv.cn/view/21710.html
• 内容摘要：摘要 随着数据膨胀时代的到来，推荐技术被广泛应用于各大互联网产业，尤其是以电商推广信息搜索等产业在智能化个性化方面的水平都有了非常明显的进步。在现代社会，基于新闻信息的互联网应用产品发展非常迅速，用户阅读新闻的方式手段也在逐渐增加，而随之引起的就是各种新闻和信息数量正在以惊人的速度飞快增长。各种类型的新闻相关产品源源不断地为用户提供着各个方面的新闻资讯，由于信息量过大，用户难免会被动地接收到许多不需要的信息，因为信息过载而产生的各类垃圾信息正在严重阻碍人们更加高效率地获取自己的有效信息。因此各大新闻网站及app都在致力于收集用户的各类数据，为不同用户推荐适合他们的新闻，使新闻app的推送能够更加精确的面向自己用户。用户画像技术就是为了解决精准推送的问题应运而生。 用户画像推荐系统的原理可以简单理解为通过研究各种用户的行为偏好来为用户推荐他们需要的新闻。不同的用户会对不同类型的新闻有不同的偏好，当用户不断重复搜索某些特殊特征的新闻时，系统就会自动筛选出这一类新闻并给此用户进行推送。 关键词，用户画像，推荐系统，springbootAbstract，黑体五字， WiththeadventoftheeraofdataexpaionrecommendationtechnologyhasbeenwidelyusedinmajorInteetindustriesespeciallyinecommercepromotioninformationsearchandotherindustries。Thelevelofintelligentpeonalizationhasmadesignificantprogress。InmodesocietyInteetapplicationproductsbasedonnewsinformationaredevelopingveryrapidlyandthewaysandmeaofusetoreadnewsaregraduallyincreasingwhichleadstotherapidgrowthofvariousnewsandinformation。Varioustypesofnewsrelatedproductscontinuouslyprovideusewithallaspectsofnewsinformation。Duetothelargeamountofinformationusewillinevitablyreceivealotofunnecessaryinformationpassively。Allkindsofjunkinformationcausedbyinformationoverloadisseriouslyhinderingpeopletoobtaintheireffectiveinformationmoreefficiently。Thereforethemajoewswebsitesandappsarecommittedtocollectingallkindsofdataofuserecommendingsuitablenewsfordifferentusesothatthepushofnewsappscanbemoreaccuratefortheirownuse。Userportraittechnologyistosolvetheproblemofaccuratepush。 Theprincipleofuserportraitrecommendationsystemcanbesimplyundetoodasrecommendingnewsforusebystudyingtheirbehaviorpreferences。Differentusewillhavedifferentpreferencesfordifferenttypesofnews。Whenuserepeatedlysearchfoewswithsomespecialcharacteristicsthesystemwillautomaticallyfilteroutthiskindofnewsandpushittothisuser。 Thebirthofpeonalizedrecommendationsystemistosolvethecurrentsituationofinformationexplosionforusetoquicklyandaccuratelypushouttheinformationtheymayneedtosee。Inthispaperbasedontheusesearchrecordsaccordingtothecharacteristicsofthenewsthekeywordsareextractedastags。Eachsearchrecordoftheuserwillbeextractedkeywordstocounttheusepreferences。Whenthesystemdeterminesthattheuserhasapreferenceforthenewsrelatedtothekeywordthesystemwillpushsimilarrelatednewsfortheuser。 Thesystemusesgroupupandhavingfunctiotoprocessdatabasedata。Basedonspringbootframeworktheforegroundusesvue。jsandelementUItobuildinterface。Atthesametimeecartsisusedtomakethevisualizationchartforthestatisticaldatasothattheadministratorcanobservethedataintimeandcollecttheneededinformation。 目录 1绪论 1 1。1研究背景与意义 1 1。1。1研究背景 1 1。1。2研究意义 1 1。2国内外研究现状 2 1。2。1国外研究现状 2 1。2。1国内研究现状 2 1。3论文的结构与内容安排 3 2相关技术介绍 4 2。1springboot 4 2。2vue。js 4 2。3elementui 5 2。4echarts 5 3系统分析 6 3。1系统可行性分析 6 3。1。1技术可行性 6 3。1。2经济可行性 6 3。1。3操作可行性 6 3。2需求分析 7 3。2。1功能需求分析 7 3。2。2非功能性需求分析 7 3。3需求建模 8 3。3。1用例建模 8 3。4用户画像建模 9 4系统设计 11 4。1系统功能模块设计 11 4。1。1用户信息模块 12 4。1。2新闻管理模块 15 4。1。3数据分析统计模块 15 4。2数据库设计 15 4。2。1ER模型与概念设计 15 4。2。2数据库表设计 20 5系统实现 23 5。1系统功能模块的具体实现和展示 23 5。1。1登录模块 23 5。1。2主界面模块 23 5。1。3用户信息管理模块 24 5。1。4角色信息管理模块 25 5。1。5菜单信息管理模块 26 5。1。6新闻信息管理模块 27 5。2数据分析统计模块实现 28 5。2。1数据分析统计 28 总结 30 参考文献 31 致谢 33 1绪论 研究背景与意义 1。1。1研究背景 随着各类信息传递技术的不断普及，人们获取信息的渠道已经不再如以往一样单一，其中互联网技术的普及为人们提供了一条获取信息非常便捷的道路，因此人们更多的会选择从网络上获取信息的方式来取代传统的效率较低的报纸电视等媒体。然而互联网技术的发展不单单带来了信息获取简易的便捷，同时也让流通的信息数量非常快速地增长，引起信息过载。人们很难快速从庞大的数据信息中找到自己真正需要的信息，各种音乐app的库中有着上千万的各种类型歌曲， 微博热搜和新闻app中有个各个不同类型的新闻，各种购物app中包含着各种不同类型的商品，人们需要推荐技术来从海量的信息中筛选出可能需要的信息，节约时间，提升用户体验。 在以往的产品中，平台往往会采用增加搜索功能以及信息的分类来加快用户获取信息的速度，但这依然不足以满足目前信息的增长速度以及用户的需求，因此更加便捷智能的推荐系统应运而生。 1。1。2研究意义 在这个信息过载的时代，无论是接收信息的各个用户还是负责传播信息的各类媒体都面临着很大的挑战，各类媒体的产品需要及时知道自己不同用户的偏好来推送相关新闻增加便利性，良好的用户体验才能增强用户黏度提高产品收益。而用户时常会无法找到自己感兴趣的信息，即便有着搜索引擎也时常因为对信息定位的不明确而无法找到自己想要的信息。同时，一些用户在当次使用产品浏览信息时可能并没有想到明确的目的性，盲目地浏览着各类无用信息只能单纯浪费时间。 推荐系统的诞生便是为了解决这些问题，一方面它需要帮助信息传播者传播自己用户感兴趣的信息，而另一方面它需要帮助用户能有效发现对自己有价值的信息，即便当次使用时只是不带目的性的随意浏览，推荐系统也会做出跟踪反馈，基于该浏览记录及过往浏览数据综合呈现，来对用户偏好进行精准定位，进而迎合该种偏好，进行针对性推荐，而不是盲目推送着对于该用户毫无用处的垃圾信息。 在当下社会，个性化的推荐系统作用举足轻重，，不够成熟， 国内外研究现状 1。2。1国外研究现状 最初为了加快信息的准确获取主要还是使用各类搜索技术来完成信息的筛选，而最早个性化技术的理念被提出是在20世纪的90年代一次在国际上颇有影响力的国际会议上许多专家都提出了个性化推荐技术的概念，这同时也代表着个性化技术的正式开端。由此最早的个性化推荐系统webWatcher得以诞生，webWatcher已经可以做到通过用户使用产品的记录来推测该用户可能会感兴趣的内容并推荐给该用户，因此在电子商务领域得到了广泛的应用。 同样是在20世纪的90年代，推荐系统标志性的协同过滤算法被创造了出来，基于此算法的提出推荐系统也得到了很广泛的推广，各种不同的领域都选择采用推荐系统来提升自己产品的用户体验，尤其是在电子商务领域以及各类信息推广领域。 历史上第一个类似个性化新闻推荐系统的出现已经来到了2004年，名为Digg，它的创造者是一个名为开文洛斯的美国人。但是该网站在初期并没有信息的产出功能，它只能提供信息的挖掘功能。当一则信息被许多用户多次上传到服务器时，它能将该则信息判断为时大众感兴趣的新闻并推送到前台以便浏览。该网站的不足之处在于只能以大多数用户的重复记录来推荐新闻，并不能对每个不同用户都做到适合的个性化推荐。 而在同一年，Findory网站，，Google新闻。Google新闻， 1。2。1国内研究现状 和早早就起步的国外不同，我国的推荐化技术研究和起步都慢了一步，不过经过各方的努力该技术在国内也得到了飞速的成长。国内较为成熟的新闻推荐系统首次出现在2003年，是由百度的团队研发出的百度新闻搜索，它的数据量非常庞大，同时新闻系统最重要的跟新速度也是其他产品无法比拟的，因此可以说它是全球最完善的新闻推荐系统。百度提供了各种各样的服务来满足用户各方面的需求，同时在推荐技术方面也能做到根据用户的个人信息和搜索历史来建立用户画像，通过模型达到更加精确的推荐服务，后续百度团队也在不断更新产品的机器学习和使用更加先进的算法，使推荐功能更加地符合大众需求。 豆瓣网同样使用了以协同过滤为算法核心的推荐系统，并且在国内的个性化推荐技术领域也处于领先水平。通过用户使用自己网站时点击各类信息的次数来进行推荐，同时一部电影或书籍是否已经观看完全也会成为豆瓣推荐系统考量的标准之一。 近几年较为热门的推荐系统莫过于今日头条，从面向市场开始使用的用户数量就在持续地增长，能造成这样火爆的程度得益于今日头条独特的推荐系统，用户在微博上表现出来的各种信息能够被头条的推荐系统及时挖掘并推荐相应的新闻资讯，其中包括用户微博账号的各种个人信息，微博上的社交关系网以及微博上发布的贴子内容都会纳入推荐系统的算法进行演算，并得出比传统方法更加合适的推荐新闻 1。3论文的结构与内容安排 第1章绪论。阐述了个性化新闻推荐系统的研究背景和该系统的研究意义，了解国内外在推荐系统方面的研究现状， 第2章相关技术介绍。本章介绍了设计新闻个性化推荐系统过程中所使用的相关技术，包括springboot，vue。js，elementui，echarts 系统分析。在该部分先就系统可行性展开观察并得出部分结论，随后对系统需求进行定位，包括功能性需求分析和非功能性需求分析。 系统设计。本章介绍了系统功能模块设计，其中包括用户信息模块，新闻管理模块，数据分析统计模块，除此外还涉及到数据库相关的开发事项。 第5章系统实现。在该部分逐一阐述系统功能模块的实现和展示以及简单的说明。 第6章总结。总结毕业设计期间自己的一些心得体会以及对自己将来的展望。2相关技术介绍 2。1springboot Spring是基于java开发环境的一个框架，可以降低java的开发难度，而springboot则是在spring的基础上对其进一步优化并且改善了各种缺点，基于习惯优先于配置的思想，开发人员不需要在配置和逻辑业务之间切换，而是专注于逻辑业务的代码编写，从而大大提高了开发效率，可以明显有效地缩短项目周期。为入门基于Spring的开发地人员提供更加方便的服务。无需进行任何预操作即可进行使用，不涉及代码生成，同时也不要涉及到XML配置，具有极高便捷性。与此同时，如果存在特定需求，也可以据此对默认值进行适应性和针对性修改，另外，也供给如嵌入式服务器安全指标，健康检测外部配置等大型项目中常见的非功能性特性。多年来，sprin在功能逐渐完善地同时也变得日益复杂化。如果我们想要查找到当前开发程序中所涉及到的Spring项，其可能实现的功能具体内容和情况，可以在Spring官网搜索并找到相关页，上面将有详细功能列出。如系需要一个新Spring项，为了能够实现其功能，必须进行启动，为此展开路径构建进程，也可以通过Maven依赖来进行实现，从前两个步骤出发来进行服务器配置，从而最终让Spring完成添加。由上可见，新spring项并非一蹴而就实现的，而是需要较为复杂的过程，必须从头开始厘清并实行。 而SpringBoot能够提供有效的解决手段，它是基于现场已经存在的spring框架进行构建。前面提到如果想启动一个新spring，需要涉及到多方面内容如进行配置更改，或必要的样板代码设置或生成等，而SpringBoot则完全避免了上述复杂的流程，可以以最小的工作量实现一样的功能和目标，实现对Spring功能更为便捷化和稳定性的利用。 2。2vue。js 在实际现场使用中，Vue。js是一种具有高度适用性和实用性的渐进式框架，其主要应用场景是用户界面开发。该框架具有显著性特点，那就是具有增量开发的特性，且其设计特色是自底向上模式。Vue核心库功能结构非常简单，焦点只在于视图层，可学习性强，并且能够与其他库或项目高度适配，与此同时，其还能够实现对单文件组件的驱动，另外，复杂单页应用开发方面也表现非常出色，利用性强。Vue。js具有的强大特性之一就是极简化的API响应。 2。3elementui 在一般性描述中，会认为element能够有效实现开发难度降低这一诉求，其是一套UI组件库，并且是建立在前述所及的Vue之上的，不需要对业务进行任何依赖而实现，多数情况下不再需要组件封装，从而让开发具有更高的简便性。由饿了么团队出品，一套为开发者设计师和产品经理准备的组件库，提供了配套axuresektch设计资源，可以直接下载使用，能节省大量的时间。使用现成的UI组件库，能快速搭建项目，后期也容易维护，在敏捷开发项目中尤为常见。设计师可以下载设计文件，在做设计图时直接使用模板，既能快速出图，也保证了前端还原实现。 ZRender之上，这是一种轻量级的应用场景较为广泛且具有较高适用性的canvas类库，该数据图标能够实现更直接的交互性更显著的，且能够基于用户诉求而进行特殊性和针对性定制的产品。里面含有拖拽重计算功能，及对数据进行图示化呈现的功能，同时还可以进行值域漫游，因此极大增强了用户体验，具有更高的操作性，让用户可以较为轻松而简便的实现对数据的操作，不论是进行数据挖掘，亦或进行数据整合等。国人开发，文档全，便于开发和阅读文档。ECharts， 3系统分析 3。1系统可行性分析 本系统主要实现对新闻信息管理和推荐，主要功能为管理用户信息新闻信息推荐新闻等。本系统结构总共具有五个不同功能模块，具体内容囊括用户信息类别角色信息类别菜单类别新闻类别及数据统计类别等，对前述功能展开分析，用户信息管理模块部分有两方面的功能，可以浏览用户信息，也可以对用户信息进行维护。角色管理模块可以浏览角色信息，可以对角色信息进行维护。菜单管理模块可以浏览菜单信息，可以对菜单信息进行维护。新闻管理模块可以浏览新闻信息详情，可以对新闻信息进行维护。数据统计模块是对用户性别比例占比和各个类型新闻的占比进行分析，并以图形化的形式展示。以上可见，新闻推荐系统并不复杂，主要解决的问题是利用关键字对数据库进行查询。 3。1。1技术可行性 在本系统设计中，考虑到适用性选择CS架构，同时为了实现前端页呈现，利用vue。js进行，另外还充分考虑到了部分插件所有的一些功能，从而让系统开发复杂度大幅削弱，从而让系统开发所需要耗费的时间大为减少。通过新闻推荐系统能够快速准确的了解新闻信息，并使用用户画像的方式为用户精准的推荐新闻信息。信息技术的使用，一方面可以节约大量人力，同时还能极大增强管理效率，与此同时，还能让数据以更容易让人理解的方式呈现。 3。1。2经济可行性 为了能够实现更高的经济性，在进行系统开发时进行了多方考虑，一是对系统开发成本进行预先的规划和计算，同时也对后期运用和维护所需要的投入进行了粗略的估测，二是对系统成功推出后所能创造的效益进行了初步估算。新闻推荐系统对于目标用户来说，具有较高的便利性和可操作性，只需要通过浏览器就可以实现对系统的使用和操作，跳过了软件下载这一步...
• 版权声明：知知范文网 本站所有内容的版权归相应内容作者或权利人所有，本站不对涉及的版权问题负法律责任。
• 内容来源：本站所有内容均有网络公开等合法途径整理而来，该资料仅作为交流学习使用，并无任何商业目的，任何访问，浏览本站，购买或者未购买的人，就代表已阅读，理解本条声明
• 免责声明：内容所标价格，是对本站搜集、整理资料以及本站运营必须费用支付的适当补偿，资料索取者尊重版权方的知识产权，谢谢！