摘 要

随着网络时代的蓬勃发展，移动终端的普及，手机和平板电脑成为人们日常生活中必不可少的一部分。同时，移动终端平台上的应用程序数量众多，功能也五花八门。在快节奏的今天，人们需要快速的获得自己所需要的应用。应用市场的需求也因此扩大。

在不同的平台中，根据市场的需求，应用开发者们自发的以不同的功能，不同的种类将应用进行划分，但是同种功能的应用数量依然庞大。手机应用推荐系统便是在这种情况下发展起来。不同的厂商根据各种应用的使用人数以及用户的使用体验，将所有应用进行评分，排序，为用户推荐优质的应用。同时，根据用户的使用记录来计算适合用户的，符合用户偏好的应用，并将其推荐给用户，节省了用户的时间，提高了用户的使用体验。

在移动互联网中，数以亿计的数据承载了数量众多的，内容不同的信息。为了利用其数据的价值，大数据推荐系统应运而生，并快速的发展壮大，成为解决信息过载的重要应用之一。大数据在移动互联网的应用渗透到方方面面，本文针对Android手机应用软件（APP）进行推荐，研究并实现了在安卓平台下应用与实施推荐算法的方法，设计了基于移动Android设备的APP推荐系统。目前成熟的推荐算法中协同过滤推荐算法应用较为广泛，该算法比较突出的是基于用户的协同过滤推荐算法以及基于项目的协同过滤推荐算法。

本文着重学习及使用的是基于项目的协同过滤推荐算法，算法主要思想是根据项目与项目之间同时出现的次数来计算项目的相似度。并根据项目的相似度与用户对项目的评分计算得出不同用户的不同项目的偏好结果。通过计算，可以将每位用户的个性显示出来，并为用户个性化实施推荐。基于项目的推荐算法可以有效的解决算法冷启动的问题，并能够适应用户及项目数量的递增。

关键词：Android开发；协同过滤推荐算法；基于项目的推荐算法；大数据分析

Abstract

With the booming of the Internet age, mobile devices and tablets have become an integral part of daily life. At the same time, the number of applications on the mobile terminal platform is vast and varied. In the fast-paced world, people need to quickly get the apps they need. The demand for the market is also expanding.

In different platforms, according to the demand of the market, application developers are spontaneous in different function, different types will be used, but the same function of the application number is still large. The mobile app recommendation system was developed in this situation. Different vendors will rate and rank all the apps based on the number of applications and the user experience. Recorded at the same time, according to the user's use to calculate for the user, in line with the application of user preferences, and recommend it to the user, to save the user's time, improve the user experience.

In the mobile Internet, hundreds of millions of data are loaded with different information. In order to take advantage of the value of its data, the big data recommendation system was born and developed rapidly, becoming one of the important applications of information overload. Big data in mobile Internet penetrated into all aspects of application of Android mobile phone application software, the author of this paper (APP) were recommended, studies and implements the method of the application and implementation in the stage Android recommendation algorithm, designed the APP recommendation system based on mobile Android devices. Now mature recommendation algorithm has been widely applied in collaborative filtering recommendation algorithm, this algorithm is prominent user-based collaborative filtering recommendation algorithm and the collaborative filtering recommendation algorithm based on the project.

This paper focuses on learning and using the collaborative filtering recommendation algorithm based on the project, the algorithm is the main idea according to the project and project at the same time, the number of occurrences of between to calculate the similarity of the project. Based on the project's similarity degree and the user's rating of the project, the results of different project preferences were calculated. By computing, each user's personality can be displayed and recommended for user personalization. The project-based recommendation algorithm can effectively solve the problem of the algorithm cold start-up, and be able to accommodate the increasing number of users and projects.

Key Words：Android development; Collaborative filtering recommendation algorithm; Project-based recommendation algorithms; Big data analytics

目录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 研究现状 1

1.3 主要研究内容 2

1.4 论文的组织结构 3

第2章 协同过滤推荐算法 4

2.1协同过滤推荐算法的比较 4

2.2基于项目的协同推荐算法计算过程 5

2.3基于数据集的计算与分析 6

2.4本章小结 9

第3章 系统分析 10

3.1 研究目的 10

3.2 可行性分析 10

3.3 需求分析 11

3.3.1总功能需求 11

3.3.2用户功能需求 11

3.3.3管理员功能需求 12

3.4 整体设计思路 12

3.4.1实现功能和模块内容 12

3.4.2业务流程图 12

第4章 系统设计 14

4.1 系统设计的原则 14

4.2 系统整体架构设计 14

4.3 系统技术架构 15

4.4 数据库设计 15

4.4.1数据库总体设计 15

4.4.2表结构的设计 16

4.5 本章小结 17

第5章 系统实现 18

5.1 客户端实现 18

5.1.1MyEclipse配置Android开发环境 18

5.1.2客户端实现 18

5.2基于项目的推荐算法的代码实现 22

5.3 本章小结 23

第6章 总结与展望 24

参考文献 25

致谢 26

第1章 绪论

1.1 研究背景及意义

“大数据”时代，海量信息不仅带来商业价值，还带来更多的知识发现。在计算机发展的早期阶段，人们用人工的方式找出数据之间的规律性，从而计算出具有应用价值的结果。进入了信息爆炸阶段，大量的数据开始涌入人们的生活生产当中，随着互联网的普及，人们开始从每天产生数以亿计的比特流中去挖掘应用价值。在手机应用市场上搜索“游戏”，会出现各类游戏超过几万条记录，其中又细分为不同的应用类型。商家如何利用这些数据提高销售额，互联网产品使用者如何利用这些数据快速，准确的找到自己喜欢，适合自己的商品或者手机应用，为了解决这些问题，不得不提出基于大数据的机器学习相关的推荐系统技术。

推荐系统利用使用者在网站上的行为表现和操作记录，来协助用户在大量数据中找到自己需要的信息，从一开始的排行榜推荐，分类推荐，到上世纪90年代初，专家学者提出基于个人行为的个性化推荐推荐系统模型，使得推荐结果不再基于热门标签或者是关键词而是在用户没有明确喜好的前提下，挖掘用户潜在的，感兴趣的信息，大大提高用户体验，提高信息的利用率。