游戏搜索推荐系统的设计与实现

《游戏搜索推荐系统的设计与实现》由会员分享，可在线阅读，更多相关《游戏搜索推荐系统的设计与实现（65页珍藏版）》请在金锄头文库上搜索。

1、本页为“6毕业论文Abstract（1页或2页）”，点击菜单“USTB本科论文各部分”中的本部分菜单进行相应操作。本提示信息为非打印信息，可一直保留，不影响打印。摘 要互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速发展，相对应的网上信息量出现了大幅增长，导致用户在面对大量信息时无法从中筛选与分辨信息的可用与否，最终导致其对信息的利用效率反而出现了下降情况。为了应对并解决这一问题，推荐系统应运而生。其能根据用户的信息需求、兴趣等，通过个性化计算将用户感兴趣的信息、产品等推荐给用户。游戏推荐系统正是其中之一。本文研究并实现了一种结合web技术与深度学习

2、中相似度计算的游戏推荐系统设计方案：基于对排名模型的多方向分析与设计，本方案可以在保证系统界面的美观与简洁的同时实现推荐形式的多元化以及用户使用的简便化；同时可以实现游戏推荐，游戏评分，游戏搜索等多元可靠的系统功能；并且可以根据用户个体以及总体对所需信息的获取与反馈情况实时对推荐内容进行更新与修正。关键词：深度学习，网页设计，相似度算法，评分推荐，关联推荐Design and Implementation of Game Recommender System11-1-Abstract标题1-段前(要求：17.00磅, 实际：0.00磅)AbstractThe emergence and pop

3、ularization of the Internet has brought a lot of information to users and met the needs of users for information in the information age. However, with the rapid development of the network, the corresponding amount of information on the Internet has increased significantly, which makes users unable t

4、o screen and distinguish the availability of information in the face of a large amount of information, and ultimately leads to a decline in the utilization efficiency of information Situation. In order to solve this problem, recommendation system came into being. According to the information needs a

5、nd interests of users, it can recommend the information and products that users are interested in to users through personalized calculation. Game recommendation system is one of them. This paper studies and implements a game recommender system design scheme combining web technology and similarity ca

6、lculation in deep learning: Based on the multi-directional analysis and design of ranking model, this scheme can ensure the beauty and simplicity of the system interface, realize the diversification of recommender forms and the simplification of user use, and realize game recommendation, game scorin

7、g and game search at the same time It can update and modify the recommended content in real time according to the users individual and overall information acquisition and feedback.Key Words: deep learning, web design, similarity algorithm, score recommendation, related recommendation - II -本页为“7毕业论文

8、目录（1页或若干页）”，点击菜单“USTB本科论文各部分”中的本部分菜单进行相应操作。本提示信息为非打印信息，可一直保留，不影响打印。目 录摘要IAbstractIII1 引 言1插图或附表清单VII2游戏推荐系统开发技术22.1推荐技术22.1.1推荐问题的表述方式22.1.2推荐系统的设计目标22.1.3推荐系统的基本模型32.1.4相似度算法42.2深度学习52.2.1深度学习概念及模型62.2.2Tensorflow框架62.3Web设计与数据挖掘72.3.1Django框架简述82.3.2网络爬虫82.4数据库92.4.1Mysql93游戏推荐系统需求分析103.1可行性分析103.

9、2功能需求分析103.3非功能需求分析114游戏推荐系统设计134.1总体设计134.2功能模块详细设计134.3数据库设计154.3.1数据库创建154.3.2数据库信息收集204.4前端设计234.4.1登录注册界面设计234.4.2系统主界面设计244.4.3个人空间界面设计274.4.4游戏搜索界面设计274.4.5游戏信息界面设计285游戏推荐系统功能实现305.1用户管理模块实现305.1.1注册模块实现305.1.2登录模块实现305.1.3个人空间模块实现325.2游戏推荐模块实现345.2.1关联推荐模块实现345.2.2排行推荐模块实现365.2.3偏好推荐模块实现405.

10、3游戏搜索模块实现415.4游戏评论模块实现426游戏推荐系统性能测试446.1测试用例446.1.1注册功能测试用例446.1.2登录功能测试用例456.1.3搜索功能测试用例466.1.4评论功能测试用例476.1.5排行推荐功能测试用例496.1.6偏好推荐功能测试用例516.1.7关联推荐功能测试用例526.1.8个人空间功能测试用例546.2测试结果分析557 结 论56参考文献57在学取得成果61致 谢63提醒：请核实此处空格是否必要- IV -本页为“8毕业论文图表清单页（可选，1页或若干页）”，点击菜单“USTB本科论文各部分”中的本部分菜单进行相应操作。本提示信息为非打印信息

11、，可一直保留，不影响打印。插图或附表清单图2-1 评分系统评分示例4图2-2 通用深度学习框架6图2-3 Yada, Katsutoshi对数据科学的定义7图2-4 服务科学流程图7图4-1 游戏推荐系统功能模块图13图4-2 数据库表15图4-3 对象定义代码18图4-4 网络爬虫代码20图4-5 部分sql文件23图4-6 登录界面23图4-7 注册界面24图4-8 系统主界面25图4-9 个人空间界面27图4-10 游戏搜索界面28图4-10 游戏信息界面28图5-1 注册功能代码30图5-2 登录功能代码31图5-3 个人空间功能代码33图5-4 关联推荐功能代码35图5-5 排行推荐

12、功能代码36图5-6 偏好推荐功能代码41图5-7 搜索功能代码42图5-8 评论功能代码43表6-1 注册功能测试用例表44- V -本页为“9毕业论文注释说明清单页（可选，1页或若干页）”，点击菜单“USTB本科论文各部分”中的本部分菜单进行相应操作。本提示信息为非打印信息，可一直保留，不影响打印。表6-2 登录功能测试用例表45表6-3 搜索功能测试用例表46表6-4 评论功能测试用例表47表6-5 排行推荐功能测试用例表49表6-6 偏好推荐功能测试用例表51表6-7 关联推荐功能测试用例表52表6-8 个人空间功能测试用例表54- VII -1 引 言1946年2月14日，世界上第一

13、台电子计算机在美国宾夕法尼亚大学问世。1952年，世界上第一款电子井字棋游戏诞生在电子管计算机上。70年代电子游戏作便已经作为一种商业娱乐媒体进入人们的生活，成为当时日本、美国和欧洲一个重要娱乐工业的基础。时至今日，电子游戏的发展虽然起起落落，经历了无数次的低谷与险阻，但在东方的索尼，任天堂，西方的微软，动视等多家企业的努力下，游戏产业百花齐放。尤其是在国内的游戏市场，游戏已渐渐不再是家长大人们所认定的电子毒品，而是成为了一种时尚的娱乐手段，逐渐走入千家万户。随着互联网的出现和普及，电子商务的诞生与发展，游戏业界进入了数字化，电子化的时代。每年都有几乎数不清的新游戏进入市场，用户难以从中快速筛

14、选适合其需求的游戏信息，造成了信息获取效率的停滞甚至降低。由于传统游戏信息的获取形式主要集中于图书杂志，网页搜索以及广告推广等形式上，无法实现对用户目标信息的筛选获取，因此依靠推荐系统可以根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的性能特点，游戏推荐系统应运而生。如今的游戏推荐系统大致分为游戏平台自有的以及第三方的评测推荐系统。前者由于平台间竞争以及用户保密等诸多问题大多对用户在该平台上的行为进行预测来完成推荐系统的设计，后者则因为可能存在的游戏开发商进行的幕后交易导致系统推荐不可靠。因此，有必要出现一款能满足用户个人需要以及大众潮流的安全可靠，推荐公平的推荐系统。本文研

15、究并实现了一种基于python语言，结合深度学习与web设计的游戏推荐系统设计方案。出于对推荐系统推荐多样性的考量，本系统设计上也着眼于不同形式的推荐形式，包含有协同过滤推荐以及基于内容推荐，以达到提高用户对于系统的满意度的目的。2 游戏推荐系统开发技术2.1推荐技术推荐系统是一种预测用户对商品和信息的喜好的模型，可以帮助用户发现自己感兴趣的信息和商品。构建推荐系统时，既要考虑效率，也要考虑有效性；既要考虑用户心理，也要考虑用户的行为；既要考虑商品和信息的外在属性，又要考虑商品和信息的相互关联2。由于其综合性和复杂性，推荐系统可以看成是数据库、自然语言处理、机器学习、信息检索、算法甚至心理学等领域的综合与交叉2。2.1.1推荐问题的表述方式在讨论推荐系统的相关设计前首先要解决的便是推荐问题的表述问题，目前推荐问题总体有存在有两种表述模型2：（1） 预测模型：通常的