面向Android移动终端的高校资讯浏览系统的设计与实现文献综述
2020-04-28 20:31:14
1.目的及意义
{title}
随着人们对教育重视程度的提升、大学生们获取课外知识兴趣的增强,各高校的资讯信息越来越丰富,内容涵盖科研、留学、读书交流、娱乐八卦等各种类别,类型包括:以线上为主要途径的新闻、短讯、纪要、报告等;以线下为主要途径的讲座、交流会、宣讲会等。可是,高校的资讯宣传目前为止还较为封闭和落后。通常情况下,高校会把本校资讯信息放到学校主页、教务系统网站、公众号等线上途径,本校学生想要获取到这些资讯信息,就必须在各个相应的网站或者公众号上逐个查找,不仅增大了学生获取资讯信息的难度,而且还会浪费学生大 量时间来筛选自己感兴趣的信息。不仅如此,对于高校学生来讲,更多的只是关注到自己学校的资讯,而对于其他高校的资讯信息,不仅很难了解所有获取途径,也没有较多经历用在信息筛选上。这不利于高校资源的充分利用。
这一问题同样得到不少教育界专家学者的关注。在2018年3月召开的全国政协十三届会议上,全国政协委员、河北工业大学副校长殷福星呼吁:推动高等教育资源均衡化与协同发展;全国政协委员、南开大学材料学院院长卜显和认为,京津冀教育协同发展须突破体制机制壁垒,逐步实现优质教育资源充分共享;2017年12月陕西省政协举行“推进我省高校‘四个一流’建设”月度协商座谈会上,省政协委员、陕西服装工程学院院长张义明建议,打破高校之间的壁垒和界限,允许资源共享。
因此我们需要一个汇集周边高校资讯的应用,供想要获取资讯信息的同学快速便捷地了解到附近高校的资讯信息。
目前新闻资讯类应用多采用feed流设计,国内的产品如App今日头条,是一款基于数据挖掘的推荐引擎产品,它为用户推荐有价值的、个性化的信息,提供连接人与信息的新型服务;App天天快报,是腾讯网旗下的资讯浏览网站,是腾讯公司推出的第一个以用户个人信息、人工智能推荐个性化资讯的网站,为用户真正做到千人千面的资讯浏览体验。国外的news feed(信息流)应用则以facebook为代表。
所谓feed,指的是feed流中的每一条状态及消息,都可成为feed;而feed流,指的是持续更新并呈献给用户的信息流,例如朋友圈、知乎关注页等。feed流的典型特点为:多账号内容流:feed流系统中存在成千上万的账号,账号之间可以存在关注、取关、拉黑等任意一种操作;非稳定的账号关系:多账号内容流导致系统用户之间的关系一直在变化;读写比例不平衡:读多写少;信息必达性要求高:一定要保证存在关系的用户间的消息消息必达,不能部分用户可见,部分用户却不可见。
2. 研究的基本内容与方案
{title} 本设计的基本内容涉及以下几个方面:
(1)实现高校资讯信息的浏览,主要面向Android移动终端设计一款feed流应用;
(2)实现高校资讯信息的获取,主要借助网络爬虫实现相关信息的抓取,期望准确获取周边高校的资讯信息
(3)实现向用户推荐符合其兴趣的资讯信息的功能,通过获取用户以往点击过的讲座信息数据,基于用户协同的推荐算法实现个性化资讯信息推送,增强用户粘性;
设计目标:本论文设计并实现一款面向Android移动终端的高校资讯浏览系统。该系统面向高校学生,用户可通过Android应用浏览由系统后台获取的周边高校的资讯信息。同时该系统也会借助算法分析用户潜在兴趣点并推荐相关文章,实现资讯信息的个性化推荐功能
拟采用的技术方案如图1所示:
如上图所示,将移动端后台及控制端后台搭载在云服务器上。用户通过移动设备浏览资讯信息,移动端后台存储系统设置、用户信息等信息;控制台存储着用户可以看见的资讯信息以及推送给用户的信息,包括爬虫数据库及基于推荐算法的数据处理程序。管理员通过web浏览器访问并操作数据。
基于本技术方案,拟采用以下措施实现各项功能
(1)基于Android4.3及以上版本,设计移动终端的应用;
(2)基于PHP5.6.12及以上版本,MySql5.6.17及以上版本,Apache2.4.9及以上版本,设计本系统的系统后台
(3)基于阿里云或腾讯云的云服务器,服务器系统为Windows Server 2008 R2 Enterprise
(4)基于redis缓存技术的后台数据库,存储一些需要频繁调取的数据,大大节省系统直接读取磁盘来获得数据的I/O开销
(5)基于Scrapy框架的定向爬虫,用来自动爬取各高校平台的公开资讯信息
(6)基于用户的协同过滤算法,实现资讯信息的个性化推荐功能
3. 参考文献 【1】 吴吉义; 李文娟等. 移动互联网研究综述[J], 中国科学:信息科学,2015-01-20
【2】 赵静. Android系统架构及应用程序开发研究[J], 自动化与仪器仪表, 2017-01-25
【3】 方静, 基于Android系统的移动学习平台的设计和实现[D], 武汉:华中师范大学,2014
【4】 申晋祥; 鲍美英. 基于Android的移动在线教育平台的设计与实现[J], 软件,2016
【5】 陈云芳; 潘利华. 基于PHP语言访问MySQL数据库的实现[J], 中国新通信,2015
【6】 李学龙,龚海刚. 大数据系统综述, 中国科学:信息科学[J],2015年
【7】 金澈清; 钱卫宁等. 数据管理系统评测基准:从传统数据库到新兴大数据[J], 计算机学报,2014
【8】 吴沧舟; 兰逸正; 张辉. 基于MySQL数据库的优化[J], 电子科技,2013
【9】 马豫星. Redis数据库特性分析[J]. 物联网技术,2015年
【10】 舒伟; 刘兵. Redis架构下的MySQL数据库性能提升浅析[J], 通讯世界, 2015
【11】 Xiangming Guan. Cancer metastases: challenges and opportunities, Acta Pharmaceutica Sinica B[J],2015-09-15
【12】 Kerstin Schütte,Christian Schulz,Alexander Link,Peter Malfertheiner. Current biomarkers for hepatocellular carcinoma: Surveillance, diagnosis and prediction of prognosis, World Journal of Hepatology[J],2015-02-27
【13】 Kanwal Tariq,Kulsoom Ghiasm. Colorectal cancer carcinogenesis:a review of mechanisms, Cancer Biology amp; Medicine[J], 2016-03-30
【14】 Ganepola AP Ganepola, Joel Nizin, John R Rutledge, David H Chang. Use of blood-based biomarkers for early diagnosis and surveillance of colorectal cancer, World Journal of Gastrointestinal Oncology[J], 2014-04-15
【15】 于娟; 刘强, 主题网络爬虫研究综述[J], 计算机工程与科学,2015
【16】 夏火松; 李保国,基于Python的动态网页评价爬虫算法[J], 软件工程,2016
【17】 赵本本; 殷旭东; 王伟, 基于Scrapy的GitHub数据爬虫[J], 电子技术与软件工程,2016
【18】 孔维梁. 协同过滤推荐系统关键问题研究[D],武汉;华中师范大学, 2013
【19】 荣辉桂; 火生旭等, 基于用户相似度的协同过滤推荐算法[J], 通信学报,2014
【20】 吴毅涛; 张兴明等, 基于用户模糊相似度的协同过滤算法[J], 通信学报,2016
剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付