java协同过滤算法 springboot+vue游戏推荐系统

随着人们生活质量的不断提高以及个人电脑和网络的普及,人们的业余生活质量要求也在不断提高,选择一款好玩,精美,画面和音质,品质优良的休闲游戏已经成为一种流行的休闲方式。可以说在人们的日常生活中,除了工作、学习,玩自己喜欢的游戏正在成为一种时尚。相信大量六七十岁的老人也玩过俄罗斯方块,也玩过五子棋等等,游戏曾经给了不少玩家们一个关好的回记,目前游戏种类非常广。所以,开发出一款游戏推荐系统,让人们找到一款适合自己的一款游戏。让人们在工作学习之余,享受游戏的快乐,也是一款游戏真正成功的意义。基于协同过滤算法的游戏推荐系统基本内容包括:重点:java协同过滤算法 springboot+vue游戏推荐系统_第1张图片java协同过滤算法 springboot+vue游戏推荐系统_第2张图片java协同过滤算法 springboot+vue游戏推荐系统_第3张图片java协同过滤算法 springboot+vue游戏推荐系统_第4张图片java协同过滤算法 springboot+vue游戏推荐系统_第5张图片
1、稀疏性问题:
协同过滤技术的实现首先需要使用用户—项评价矩阵对用户信息进行表示,尽管这在理论上很简单,但实际上,许多电子商务推荐系统要对大量的数据信息进行处理,而在这些系统中一般用户购买商品的总量占网站总商品量的1%左右,因此造成了评价矩阵(用户-项矩阵)非常稀疏。在这种数据量大而且又稀疏的情况下,一方面难以找到最近邻居用户集,另一方面进行相似性计算的耗费也会很大。
2、冷启动问题:
冷启动问题又称第一评价问题(first- rater),或新物品问题(New-item),从一定角度可以看成是稀疏问题的极端情况。因为传统的协同过滤推荐是基于相似用户/物品计算来得到目标用户的推荐,在一个新的项目首次出现的时候,因为没有用户对它作过评价,因此单纯的协同过滤无法对其进行预测评分和推荐。而且,由于新项目出现早期,用户评价较少,推荐的准确性也比较差。相似的,推荐系统对于新用户的推荐效果也很差。冷启动问题的极端的案例是:当一个协同过滤推荐系统刚开始运行的时候,每个用户在每个项目上都面临冷启动问题。
难点:
1、推荐的效果依赖于用户历史偏好数据的多少和准确性;
2、通过Spark程序的设计来实现游戏的实时推荐;
创新点:
1、发送邮件推荐实时游戏更新
    本课题目前最主要研究内容是通过协同过滤推荐算法实现推荐功能,从而提升用户的游戏体验。和其它游戏网站相比,本项目的推荐功能极具个性化,极大的增加了交互体验。玩家可以根据已知的游戏名在网页中进行模糊查询,与此同时也能够通过分类进行查找。用户也可以根据自身的游戏体验,在评论区畅所欲言,做出评论或者是通过一件收藏对高评分的游戏进行收藏。执行本类操作的必要过程是用户必须先进行账户登录,登陆后才可以在个人中心里进行信息修改以及一系列操作。管理员是具有最高权限的,能够管理该网站的所有信息,其中有个人中心、游戏内容和评论区等等。本网站的核心就是提高用户体验,增加玩家的便利性,以及设置管理员对网站进行站内管理。
以互联网其它的游戏网站为例,很多网站并不提供在线观看游戏攻略功能,单纯的只是提供游戏资源,而支持游戏攻略的网站并没用个性化的推荐功能,只能用户主动的去找攻略或者游戏介绍,这样不仅浪费时间,还留不住用户不利于后缕发展。木课题研究期望去除这些网站的缺点,尽可能的收集这些网站的优点,为用户提供优质的服务。
1.    概述
  研究综述
2.开发平台及技术
2.1开发平台
2.2开发技术
2.3关键算法
3.系统设计
3.1需求分析与建模
3.2可行性分析
3.3系统数据库设计
4.详细设计
4.1页面设计
4.2实现核心功能
5.系统测试
5.1测试方法及过程
5.2各模块具体测试
5.3测试报告
结论
参考文献

你可能感兴趣的:(算法,游戏)