首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于信息可视化与数据挖掘的高校图书馆推荐系统的设计与实现

致谢第5-6页
摘要第6-7页
ABSTRACT第7-8页
1 引言第12-16页
    1.1 课题背景与意义第12页
    1.2 国内外研究现状第12-14页
        1.2.1 国外研究现状第12-14页
        1.2.2 国内研究现状第14页
    1.3 本人主要工作第14-15页
    1.4 论文组织结构第15-16页
2 系统关键技术介绍第16-24页
    2.1 Django Web框架第16-18页
        2.1.1 Django框架的体系结构第16-17页
        2.1.2 Django框架的特性第17-18页
    2.2 信息可视化第18-20页
        2.2.1 信息可视化的定义第18-19页
        2.2.2 D3.js可视化组件第19页
        2.2.3 amCharts图表组件第19-20页
    2.3 数据挖掘与推荐系统第20-22页
        2.3.1 推荐系统的定义第20页
        2.3.2 基于内容的推荐第20-21页
        2.3.3 基于协同过滤的推荐第21-22页
    2.4 本章小结第22-24页
3 需求分析第24-30页
    3.1 系统需求概述第24-26页
        3.1.1 系统数据流第25页
        3.1.2 开发环境第25-26页
        3.1.3 项目部署第26页
    3.2 系统功能性需求分析第26-27页
        3.2.1 流通数据同步子系统第26页
        3.2.2 推荐引擎子系统第26-27页
        3.2.3 前端展示子系统第27页
        3.2.4 后台管理子系统第27页
    3.3 系统非功能性需求分析第27-28页
        3.3.1 响应约束第27页
        3.3.2 浏览器兼容性第27-28页
        3.3.3 易用性第28页
    3.4 本章小结第28-30页
4 推荐系统概要设计第30-36页
    4.1 系统模块划分第30页
    4.2 数据库概要设计第30-34页
    4.3 本章小结第34-36页
5 推荐算法设计第36-46页
    5.1 高校图书馆的图书特征第36-38页
        5.1.1 图书特征概述第36-37页
        5.1.2 基于中图分类法的图书相似度第37页
        5.1.3 基于题名关键词的图书相似度第37-38页
        5.1.4 基于用户标签的图书相似度第38页
    5.2 高校图书馆的用户特征第38-41页
        5.2.1 用户特征概述第38-39页
        5.2.2 基于中图分类法的用户特征第39-41页
        5.2.3 基于题名关键词的用户特征第41页
    5.3 基于内容的推荐算法第41-42页
        5.3.1 基于内容推荐的过程第41-42页
        5.3.2 内容推荐的优势与不足第42页
    5.4 基于协同过滤的推荐算法第42-44页
        5.4.1 用户评分矩阵与谷本系数第42-43页
        5.4.2 基于用户的协同过滤第43页
        5.4.3 基于项目的协同过滤第43页
        5.4.4 协同过滤推荐的优势与不足第43-44页
    5.5 基于混合过滤的推荐第44-45页
    5.6 本章小结第45-46页
6 推荐系统详细设计与实现第46-72页
    6.1 推荐系统类详细设计第46-49页
    6.2 流通数据同步子系统第49-53页
        6.2.1 流通数据的采集与归档第50-52页
        6.2.2 读者信息的导入第52页
        6.2.3 数据的转储第52-53页
    6.3 推荐引擎子系统第53-57页
        6.3.1 个性化图书推荐与书友推荐第53-55页
        6.3.2 相关图书推荐第55-56页
        6.3.3 图书借阅数据统计第56-57页
    6.4 前端展现子系统第57-66页
        6.4.1 图书借阅详情第57-60页
        6.4.2 图书借阅排行榜第60-62页
        6.4.3 力导向图第62-65页
        6.4.4 书友推荐列表第65-66页
        6.4.5 图书推荐列表第66页
    6.5 后台管理子系统第66-70页
    6.6 本章小结第70-72页
7 推荐系统测试第72-78页
    7.1 功能性测试第72-75页
    7.2 非功能性测试第75-76页
    7.3 本章小结第76-78页
8 结论第78-80页
参考文献第80-82页
作者简历及攻读硕士学位期间取得的研究成果第82-86页
学位论文数据集第86页

论文共86页,点击 下载论文
上一篇:微博热点话题抽取及其情感分类
下一篇:基于Hadoop的百度游戏数据平台的设计与实现