基于混合过滤的网络关联数据个性化推荐系统设计

王馨乐，汪红

（中南民族大学计算机科学学院，湖北 武汉 430000）

混合过滤推荐是基于兴趣相同用户进行选择的处理技术，可帮助固定对象在最短时间内找到真正使他感兴趣的内容，并将这些数据推荐给此对象及与其相关的其他用户。此方法最大的应用优势在于对待推荐对象不设置特殊要求，仅按照非结构化原理处理用户之间的复杂度关系。国外学者依据该项技术手段先后开发出原型推荐等多个实用型系统，并已经在实际应用中取得了较好的效果[1-2]。Typestry是最早应用于互联网环境的混合过滤推荐系统，能明确标注出处置行为较为类似的目标用户，从而快速调节数据节点间的连接占用关系。

普通推荐系统同时搜索目标用户与邻居对象节点，再通过改进相似度度量的方式，处理信息节点间的关联应用关系，但与此方法匹配的按需占比与混乱占比数值始终不能达到预期化水平。随着互联网传输数据总量的提升，关联数据对象间出现了明显的混乱占比现象，进而引发了“信息孤岛”问题。为解决此问题，引入混合过滤技术，在J2EE架构、MVC主机、存储数据库等软硬件执行结构的支持下，该文设计一种新型的网络关联数据个性化推荐系统，并通过对比实验的方式，突出说明传统系统与新型系统间的实用差异性。

1 网络关联数据个性化推荐系统硬件设计

1.1 J2EE网络架构

J2EE是一种标准化的开放型网络数据平台，由APPLET主机、JSIP主机、Senvlet主机、EJB主机、Client主机五部分共同组成。……