1、计算机科学与技术专业毕业论文 精品论文 基于 Agent 的推荐技术的研究与应用关键词：计算机网络 网络服务 数据挖掘 信息推荐摘要：随着信息科技的进步和互联网的日益普及，人们通过 Internet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地提供满足用户需要的信息，已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能
2、通过网站的推荐快速有效的找到自己喜欢的资源，最终提高用户对网站的满意度和忠诚度。 本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提出采用时间加权的方法对用户的时间访问序列进行分析，通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响，而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息，以达到加深用户记忆，满足用户需求的目的。Agent 能够自动感知周围环境的变化，并自主做出反应，影响周围的环境。将 Agent 技术应用在信息推荐领域，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 A
3、gent 运行环境的网络节点上，移动 Agent 能够携带运行所需的程序代码和运行状态自由地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主机上执行推荐计算，从而节省了网络带宽和提高了网络上主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的工作流程和通信机制，并实现了基于 Agent 的推荐系统原型和对改进后的推荐算法进行验证和分析。正文内容随着信息科技的进步和互联网的日益普及，人们通过 Internet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地提供满足用户需要的信息，已成为学者广泛关注的问题。推
4、荐技术的出现为解决此问题提供了一个较好的解决方案，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能通过网站的推荐快速有效的找到自己喜欢的资源，最终提高用户对网站的满意度和忠诚度。 本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提出采用时间加权的方法对用户的时间访问序列进行分析，通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响，而且能够根据
5、用户记忆的遗忘程度向用户有计划地有规律地推荐信息，以达到加深用户记忆，满足用户需求的目的。Agent 能够自动感知周围环境的变化，并自主做出反应，影响周围的环境。将 Agent 技术应用在信息推荐领域，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 Agent 运行环境的网络节点上，移动 Agent 能够携带运行所需的程序代码和运行状态自由地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主机上执行推荐计算，从而节省了网络带宽和提高了网络上主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的工作流程和通信机制，并实现了基于 Agent 的推
6、荐系统原型和对改进后的推荐算法进行验证和分析。随着信息科技的进步和互联网的日益普及，人们通过 Internet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地提供满足用户需要的信息，已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能通过网站的推荐快速有效的找到自己喜欢的资源，最终提高用户对网站的满意度和忠诚度。 本文以
7、传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提出采用时间加权的方法对用户的时间访问序列进行分析，通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响，而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息，以达到加深用户记忆，满足用户需求的目的。Agent 能够自动感知周围环境的变化，并自主做出反应，影响周围的环境。将Agent 技术应用在信息推荐领域，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 Agent 运行环境的网络节点上，移动 Agent 能够携带运行所需的程序代码和运行状态自由
8、地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主机上执行推荐计算，从而节省了网络带宽和提高了网络上主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的工作流程和通信机制，并实现了基于 Agent 的推荐系统原型和对改进后的推荐算法进行验证和分析。随着信息科技的进步和互联网的日益普及，人们通过 Internet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地提供满足用户需要的信息，已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能
9、喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能通过网站的推荐快速有效的找到自己喜欢的资源，最终提高用户对网站的满意度和忠诚度。 本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提出采用时间加权的方法对用户的时间访问序列进行分析，通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响，而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息，以达到加深用户记忆，满足用户需求的目的。Agen
10、t 能够自动感知周围环境的变化，并自主做出反应，影响周围的环境。将Agent 技术应用在信息推荐领域，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 Agent 运行环境的网络节点上，移动 Agent 能够携带运行所需的程序代码和运行状态自由地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主机上执行推荐计算，从而节省了网络带宽和提高了网络上主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的工作流程和通信机制，并实现了基于 Agent 的推荐系统原型和对改进后的推荐算法进行验证和分析。随着信息科技的进步和互联网的日益普及，人们通过 Int
11、ernet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地提供满足用户需要的信息，已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能通过网站的推荐快速有效的找到自己喜欢的资源，最终提高用户对网站的满意度和忠诚度。 本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提出采用时间加权的方法对用户的时间访问序列进行分析，
12、通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响，而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息，以达到加深用户记忆，满足用户需求的目的。Agent 能够自动感知周围环境的变化，并自主做出反应，影响周围的环境。将Agent 技术应用在信息推荐领域，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 Agent 运行环境的网络节点上，移动 Agent 能够携带运行所需的程序代码和运行状态自由地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主机上执行推荐计算，从而节省了网络带宽和提高了网络上
13、主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的工作流程和通信机制，并实现了基于 Agent 的推荐系统原型和对改进后的推荐算法进行验证和分析。随着信息科技的进步和互联网的日益普及，人们通过 Internet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地提供满足用户需要的信息，已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推
14、荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能通过网站的推荐快速有效的找到自己喜欢的资源，最终提高用户对网站的满意度和忠诚度。 本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提出采用时间加权的方法对用户的时间访问序列进行分析，通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响，而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息，以达到加深用户记忆，满足用户需求的目的。Agent 能够自动感知周围环境的变化，并自主做出反应，影响周围的环境。将Agent 技术应用在信息推荐领域
15、，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 Agent 运行环境的网络节点上，移动 Agent 能够携带运行所需的程序代码和运行状态自由地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主机上执行推荐计算，从而节省了网络带宽和提高了网络上主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的工作流程和通信机制，并实现了基于 Agent 的推荐系统原型和对改进后的推荐算法进行验证和分析。随着信息科技的进步和互联网的日益普及，人们通过 Internet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地
16、提供满足用户需要的信息，已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能通过网站的推荐快速有效的找到自己喜欢的资源，最终提高用户对网站的满意度和忠诚度。 本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提出采用时间加权的方法对用户的时间访问序列进行分析，通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但
17、能够反映时间推移对用户兴趣的变化的影响，而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息，以达到加深用户记忆，满足用户需求的目的。Agent 能够自动感知周围环境的变化，并自主做出反应，影响周围的环境。将Agent 技术应用在信息推荐领域，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 Agent 运行环境的网络节点上，移动 Agent 能够携带运行所需的程序代码和运行状态自由地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主机上执行推荐计算，从而节省了网络带宽和提高了网络上主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的
18、工作流程和通信机制，并实现了基于 Agent 的推荐系统原型和对改进后的推荐算法进行验证和分析。随着信息科技的进步和互联网的日益普及，人们通过 Internet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地提供满足用户需要的信息，已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能通过网站的推荐快速有效的找到自己喜欢的
19、资源，最终提高用户对网站的满意度和忠诚度。 本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提出采用时间加权的方法对用户的时间访问序列进行分析，通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响，而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息，以达到加深用户记忆，满足用户需求的目的。Agent 能够自动感知周围环境的变化，并自主做出反应，影响周围的环境。将Agent 技术应用在信息推荐领域，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 Agent 运行环境的网络节点上，移动 A
20、gent 能够携带运行所需的程序代码和运行状态自由地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主机上执行推荐计算，从而节省了网络带宽和提高了网络上主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的工作流程和通信机制，并实现了基于 Agent 的推荐系统原型和对改进后的推荐算法进行验证和分析。随着信息科技的进步和互联网的日益普及，人们通过 Internet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地提供满足用户需要的信息，已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案
21、，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能通过网站的推荐快速有效的找到自己喜欢的资源，最终提高用户对网站的满意度和忠诚度。 本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提出采用时间加权的方法对用户的时间访问序列进行分析，通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响，而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息
22、，以达到加深用户记忆，满足用户需求的目的。Agent 能够自动感知周围环境的变化，并自主做出反应，影响周围的环境。将Agent 技术应用在信息推荐领域，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 Agent 运行环境的网络节点上，移动 Agent 能够携带运行所需的程序代码和运行状态自由地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主机上执行推荐计算，从而节省了网络带宽和提高了网络上主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的工作流程和通信机制，并实现了基于 Agent 的推荐系统原型和对改进后的推荐算法进行验证和分析。随着
23、信息科技的进步和互联网的日益普及，人们通过 Internet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地提供满足用户需要的信息，已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能通过网站的推荐快速有效的找到自己喜欢的资源，最终提高用户对网站的满意度和忠诚度。 本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提
24、出采用时间加权的方法对用户的时间访问序列进行分析，通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响，而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息，以达到加深用户记忆，满足用户需求的目的。Agent 能够自动感知周围环境的变化，并自主做出反应，影响周围的环境。将Agent 技术应用在信息推荐领域，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 Agent 运行环境的网络节点上，移动 Agent 能够携带运行所需的程序代码和运行状态自由地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主
25、机上执行推荐计算，从而节省了网络带宽和提高了网络上主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的工作流程和通信机制，并实现了基于 Agent 的推荐系统原型和对改进后的推荐算法进行验证和分析。随着信息科技的进步和互联网的日益普及，人们通过 Internet 足不出户就可以享受网络服务带来的便利，同时人们也承担着“信息过载”的压力，如何快捷准确地提供满足用户需要的信息，已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案，推荐技术通过推荐算法预测用户的兴趣，推荐用户可能喜欢的资源，过滤掉用户可能不喜欢的资源，使网站的商
26、品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式，从主动检索到被动接受，用户也能通过网站的推荐快速有效的找到自己喜欢的资源，最终提高用户对网站的满意度和忠诚度。 本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础，提出采用时间加权的方法对用户的时间访问序列进行分析，通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化，预测用户兴趣，产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响，而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息，以达到加深用户记忆，满足用户需求的目的。Agent 能够自动感知周围环境的变化，并自主做出反应，影
27、响周围的环境。将Agent 技术应用在信息推荐领域，辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有 Agent 运行环境的网络节点上，移动 Agent 能够携带运行所需的程序代码和运行状态自由地迁徙，在网络中主动寻找空闲的主机，然后迁徙到该主机上执行推荐计算，从而节省了网络带宽和提高了网络上主机的资源利用率。文章提出了基于 Agent 的推荐系统的结构模型，论述 Agent 在推荐系统中的工作流程和通信机制，并实现了基于 Agent 的推荐系统原型和对改进后的推荐算法进行验证和分析。特别提醒 ：正文内容由 PDF 文件转码生成，如您电脑未有相应转换码，则无法显示正文内容，请您下载相应软
28、件，下载地址为 http:/ 。如还不能显示，可以联系我 q q 1627550258 ，提供原格式文档。“垐垯櫃 换烫梯葺铑?endstreamendobj2x 滌?U 閩 AZ箾 FTP 鈦X 飼?狛P? 燚?琯嫼 b?袍*甒?颙嫯?4)=r 宵?i?j 彺帖 B3 锝檡骹笪 yLrQ#?0 鯖 l 壛枒l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛渓?擗#?“?# 綫 G 刿#K 芿$?7. 耟?Wa 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 皗 E|?pDb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$F?責鯻 0 橔 C,f 薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵秾腵薍秾腵%?秾腵薍秾腵薍秾腵薍秾腵薍
