现自己感兴趣的部分，另方面也使得大量少人问津的信息成为网络中的暗信息，无法被般用户获取。面对网络信息量呈指数增长，如何从这浩瀚的海洋中取得所需要的真正有用的信息，已成为广大网络用户共同面临的问题。首先，由于很难准确描述出需要的信息的特征，用户常常会面对大量的信息而束手无策，迷失在大量的信息空间中其次，信息系统单纯依靠提供的检索方式，往往不能满足用户描述检索条件的需求，找不到描述信息需求的方式。另外，用户每次获取信息，都要输入大量烦琐的检索条件，而信息系统不能通过服务历史和服务过程掌握用户需求，信息系统不能产生对用户持久的吸引力。在这种背景下个性化智能推荐服务应运而生并迅速发展起来，它通过与用户交互过程中获取的信息推测用户的兴趣偏好，并根据用户的兴趣偏好推荐符合用户兴趣偏好的信息。个性化智能推荐服务不仅可以帮助用户找到所需信息，而且通过个性化智能推荐服务，可以有效保留用户，提高信息系统的吸引力和用户的忠诚度。研究现状国外研究现状在推荐用户模型方面，常用的用户建模技术有向量空间模型用户评价矩阵，以及机器学习技术。在推荐算法方面，协同过滤是应用最广泛的个性化推荐技术。协同过滤首先计算用户之间的相似度，然后将相似度最高的用户作为二〇〇九年九月十九日星期六最近邻居，最后通过最近邻居用户产生推荐结果。,和提出了个利用神经网络和遗传算法通过分析用户在电子商务网站的浏览路径来获取用户偏好的方法。各种挖掘技术如关联规则挖掘聚类挖掘等被应用于日志的分析中，以提高推荐系统的精度。推荐系统是由，和主导开发的集研究与应用于体的推荐系统，采用项目项目协同过滤算法，根据用户己购买和己评分项目寻找相似项目，将相似度高的项目列入到推荐列表中。通过比较相似项目表与每个用户已购买和己评分的项目，系统整合比较结果将关联度最高和最畅销的项目推荐给用户。根据用户己购买和己评分项目寻找相似项目的计算较快，它只依赖于用户已购买和已评分的项目数量，采用在线方式进行。因此，即使是面对大规模数据集也有较快的运行速度。由于基于项目协同过滤推荐算法高度的关联性，推荐质量也比较高。是由美国明尼苏达大学计算机科学与工程系开发的研究型自动协同过滤推荐系统，用于推荐电影。是个基于的推荐，系统通过浏览器方式进行用户评分数据收集与推荐结果显示，用户使用更方便。用户对网站提供的电影进行评分，用户可在和共个选项中进行选择，网站根据每个用户的评分计算并分析用户的偏好，并据此向用户进行电影推荐。采用了基于用户的协同过滤和关联规则相结合的技术，计算用户的相似度并根据相似度分析用户的邻居，这些邻居是具有相似兴趣爱好的邻居区，邻居们对电影的评分数据被用来为目标用户生成个性化推荐项目。该系统既是个个性化推荐研究的实验平台，也是向人们推荐感兴趣电影的应用系统，其不定期推出的用户评分数据为世界各国推荐领域研究人员提供了原始的实验数据。是由媒体实验室开发的研究型协同过滤推荐系统，用于提供音乐推荐服务。系统可以向用户推荐他们喜欢的音乐，预测用户不喜欢的音乐，也可以预测用户对特定音乐的评分。大学数字图书馆项目组开发的基于内容过滤和协同过滤的推荐系法在国内比较新颖，目前国内只有当当网较早设计并实现了礼品推荐频道，而淘宝网也是刚刚推出了礼品推荐频道。本文在第章简明地阐述了基于知识库的礼品推荐系统的研究背景研究现状研究意义以及本文工作要实现的目标路线和任务，第二章简要介绍了三种主流的推荐技术和本系统设计实现所涉及到关键技术，第三章介绍了基于知识库的礼品推荐系统的需求分析和所需要实现的功能以及运行环境规定，第四章主要介绍了系统的整体功能设计和整体架构设计，在第五章中描述了系统实现中的些关键问题及解决方案，第七章对系统做了功能测试和性能，并对结果进行分析。通过这次完整的从理论的调研到系统的设计实现测试的过程中，不仅让我学习了如何将理论的推荐算法应用到系统开发中，更重要的是学习了系统研究及系统设计的方法以及在软件工程中进行系统开发的方法和流程。下步的工作展望下步系统研究展望本文中礼品推荐系统的知识库设计仍然不够完善，需要在以后的研究中丰富其理论指导和实际应用，在该设计完成的系统中也有些没有解决的问题仍然有待下步进行进步完善礼品专家在初始化礼品库和自动化程序对知识库进行完善的时候不免引入噪声，如何发现并剔除这些噪声是个需要解决的问题。礼品推荐系统知识库在运行的过程中与用户的交互如何通过自我学习来进二〇〇九年九月十九日星期六行自我完善也是个需要解决的问题。下步系统应用展望本推荐系统可以有如下实际应用方式。作为个的网站进行运营作为网站运营就需要对系统进行比较大的完善。如完善礼品抓取程序，使其可以抓取所有电子商务网站上的礼品信息。作为个电子商务网站的礼品频道作为个电子商务网站的礼品频道需要完善数据库使其符合该电子商务网站的数据库格式。参考文献李勇，苏新宁等，企业知识发现中的个性化推荐服务研究，情报学报，第卷第期刘建国，周涛，汪秉宏，个性化推荐系统的研究进展，自然科学进展，第卷第期邓秀勤，姜莲花，电子商务推荐系统研究，辽东学院学报，第卷第期二〇〇九年九月十九日星期六陈华，李仁发，刘钰峰，练琪，个性化搜索引擎推荐算法研究，计算机应用研究，第卷第期张剑，郭燕慧，钟义信，基于特征项的个性化推荐服务模型，中国人工智能学会第届全国学术年会论文集，中国人工智能学,邓爱林，朱扬勇，施伯乐，基于项目评分预测的协同过滤推荐算法，软件学报，第卷第期孙小华协同过滤的稀疏性与冷启动问题浙江浙江大学,邢春晓，高凤荣，战思南，周立柱，适应用户兴趣变化的协同过滤推荐算法，计算机研究与发展，第卷第期张光卫，李德毅，李鹏，康建初，陈桂生，基于云模型的协同过滤推荐算法，软件学报第卷第期王均波，协同过滤推荐算法及其改进研究，硕士学位论文，重庆重庆大学，张巍，刘鲁，葛健，种基于粗集的协同过滤算法，小型微型计算机系统朱岩，林泽楠，电子商务中的个性化推荐方法评述，软科学研究成果与动态，年第期，王艳，景韶光，李雪耀，于军，基于分类方法的内容过滤推荐技术，情报杂志，年期二〇〇九年九月十九日星期六江婕，李建民，曾勃炜，基于模式推荐的个性化搜索引擎研究，计算机与现代化，年第期，化柏林，数据挖掘与知识发现关系探析，情报理论与实践，年第期，王少华，数据挖掘中关联规则算法的研究，硕士学位论文，保定，华北电力大学，美霍斯特曼，美科奈尔著，叶乃文译，核心技术卷，第七版，机械工业出版社，阎宏，与模式，电子工业出版社美著，陈昊鹏译，编程思想，第四版，机械工业出版社，结城浩，设计模式语言中的应用，中国铁道出版社，林碧英，赵锐，陈良臣，基于的全文检索引擎研究与应用，计算机技术与发展索红光，孙鑫，基于的中文全文检索系统的研究与设计，计算机工程与设计李永春，丁华福，的全文检索的研究与应用，计算机技术与发展，第卷第期朱学昊，王儒敬，余锋林，基于的站内搜索设计与实现，计算机应用与软件郎小伟，王申康，基于的全文检索系统研究与开发，计算机工程陆海品，刘万军，于的应用技术的研究与实现，学技术与程，施伟伟，张蓓，服入门与项目实践，北京人民邮电出版社，夏慧军，魏雪辉，深入浅出，北京电子工业出版社加，著，数据挖掘概念与技术，范明，孟小峰译，机械工业出版社，致谢首先衷心感谢我的导师孟祥武教授，他严谨的治学态度勤勉的敬业精神以及严于律己宽以待人的高尚品质，让我在学习期间受益匪浅。在我论文的写作过程中，孟老师严格把关，悉心指导在遇到困难的时候，孟老师以其广博的学识和敏锐的洞察力帮助我找到问题的关键。我取得的每点进步都受益于孟老师的睿智和博学。在此，谨向尊敬的孟老师致以最诚挚的感谢。感谢实验室的师兄黄永生，王闯，史延翠等，与你们的探讨和交流使我得到二〇〇九年九月十九日星期六很多启发，今天的成绩与你们当年的悉心指导和帮助是分不开的。尤其感谢黄永生师兄，在我做毕业设计的过程中给予了极大的启示和帮助。感谢我的同学杜耕，朱修伟，张建成，蔡振宇，王洪明，刘亚栋，曹晓娜，苏瑞。感谢他们在生活和学习上给予我的关怀和帮助，和大家共度过的三年研究生生活永远让我怀念。感谢我的父母家人对我在生活和学习上给予的支持，他们无微不至的关怀和鼓励是我前进的动力，为我努力地学习和深造提供了巨大的精神支持。最后，感谢所有参加论文评审和答辩的老师在百忙之中抽出宝贵的时间给予审阅和指导。二〇〇九年九月十九日星期六攻读学位期间发表的学术论文目录路卫杰礼品推荐系统知识库的研究中国科技论文在线二〇〇九年九月十九日星期六硕士研究生学位论文题目基于知识库的礼品推荐系统的设计与实现学号姓名路卫杰专业计算机科学与技术导师孟祥武学院计算机学院年月日二〇〇九年九月十九日星期六独创性或创新性声明本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担切相关责任。本人签名日期关于论文使用授权的说明学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定，即研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅学校可以公布学位论文的全部或部分内容，可以允许采用影印缩印或其它复制手段保存汇编学位论文。保密的学位论文在解密后遵守此规定非保密论文注释本学位论文不属于保密范围，适用本授权书。本人签名日期导师签名日期二〇〇九年九月十九日星期六基于知识库推理的礼品推荐系统的设计与实现摘要当今，个性化推荐系统已经在很多领域得到了应用，如网络商品推荐音乐推荐影视推荐等。推荐技术包括协同过滤内容过滤知识发现等，但是这些推荐技术并没有考虑推荐领域的知识对推荐结果的影响，或者推荐结果没有通过与用户的交互过程中得到完善和改进。鉴于以上问题，本文针对礼品推荐领域提出了基于知识库的推荐方法。首先在调研了礼品信息和礼品赠送知识后构建礼品知识库，然后礼品专家通过人工方式对礼品知识库进行初始化，最后系统根据礼品的基本信息计算出礼品综合相似度对礼品知识库进步完善。本文采用等技术设计并实现具有良好用户体验的知识库推荐用户接口，采用全文检索引擎工具包对礼品信息构建索引并根据用户的日志设计个性化的礼品搜索功能。本文第章介绍了推荐系统的研究背景和国内外的研究现状以及本文的研究路线方法和研究内容。第二章介绍了主要的推荐算法和本系统所涉及的关键技术。第三章描述了系统的需求分析，包括任务概述需求规定以及运行环境的规定。第四章阐述了系统设计，包括系统整体功能设计和系统整体架构设计。第五章详细描述了系统实现中的关键问题和解决方案。第六