基于智能推薦的在線組隊(duì)平臺(tái)

石承坤 肖本彬 禹振 楊菁菁 劉龍亭 胡州

摘要：基于智能推薦的在線團(tuán)隊(duì)平臺(tái)是一個(gè)將具有相同興趣、目的和地理位置的用戶(hù)結(jié)合在一起的交流平臺(tái)。它為先前的組隊(duì)系統(tǒng)添加了智能推薦過(guò)程。核心思想是基于用戶(hù)的歷史搜索記錄、用戶(hù)對(duì)需求或信息的偏好以及對(duì)用戶(hù)未來(lái)行為的預(yù)測(cè)，發(fā)現(xiàn)需求與需求之間的相似性以及向用戶(hù)推薦相似的需求。該平臺(tái)使用基于需求和協(xié)同過(guò)濾的兩種推薦算法進(jìn)行智能推薦，并為平臺(tái)上發(fā)布的每個(gè)團(tuán)隊(duì)需求提供在線聊天室功能，以便需求發(fā)布者和潛在參與者可以實(shí)時(shí)溝通和互動(dòng)，達(dá)到快速有效組建團(tuán)隊(duì)的目的。

關(guān)鍵詞：在線組隊(duì);智能推薦;需求推薦;協(xié)同過(guò)濾

中圖分類(lèi)號(hào)：TP312 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）18-0084-03

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 背景

在當(dāng)今社會(huì)，組隊(duì)參加競(jìng)賽或者參與其他活動(dòng)已成為普遍現(xiàn)象。當(dāng)前組隊(duì)一般在彼此熟識(shí)的人中間進(jìn)行，往往達(dá)不到預(yù)期效果。這種組隊(duì)模式存在三個(gè)問(wèn)題：1）組隊(duì)需求方無(wú)法高效發(fā)布組隊(duì)需求并獲得可勝任隊(duì)員推薦;2）參隊(duì)需求方無(wú)法及時(shí)獲取組隊(duì)需求并獲得適合自身的組隊(duì)推薦;3）組隊(duì)需求方和參隊(duì)需求方不能順暢便捷地溝通交流。因此，如何高效發(fā)布和獲取組隊(duì)需求并有效組建團(tuán)隊(duì)就成為組隊(duì)研究需要解決的問(wèn)題。

為解決組隊(duì)時(shí)遇到的這些問(wèn)題，本文提出基于智能推薦的在線組隊(duì)平臺(tái)系統(tǒng)。利用此系統(tǒng)，組隊(duì)需求方和潛在參隊(duì)方能高效發(fā)布和獲取組隊(duì)信息[1-2]。此系統(tǒng)使用協(xié)同過(guò)濾推薦算法針對(duì)用戶(hù)提出的需求進(jìn)行相對(duì)應(yīng)的推薦[4]，并配以團(tuán)隊(duì)聊天室來(lái)增強(qiáng)人員間的互動(dòng)。該系統(tǒng)大大提高了組隊(duì)的時(shí)效性。

2 系統(tǒng)的總體設(shè)計(jì)

2.1 需求規(guī)定

基于智能推薦的在線組隊(duì)平臺(tái)系統(tǒng)按需求可以分為四個(gè)模塊，一是我的模塊;二是系統(tǒng)需求發(fā)布模塊;三是組隊(duì)信息智能推薦模塊;四是位置模塊。每個(gè)大模塊又由具體的小模塊組成。

2.2 運(yùn)行環(huán)境

1）Web服務(wù)器：Tomcat9.0;

2）數(shù)據(jù)庫(kù)服務(wù)器：MySQL;

3）Java運(yùn)行時(shí)環(huán)境：JRE l.8。

2.3 功能結(jié)構(gòu)

圖1給出了本文基于智能推薦的在線組隊(duì)平臺(tái)系統(tǒng)的總體功能結(jié)構(gòu)圖，共包含四個(gè)功能模塊。

1）我的模塊：智能推薦、隊(duì)員列表、申請(qǐng)列表、群聊、收藏、用戶(hù)反饋模塊。

2）系統(tǒng)需求發(fā)布模塊：添加需求、添加一級(jí)類(lèi)別、添加二級(jí)類(lèi)別模塊。

3）智能推薦組隊(duì)模塊：組隊(duì)申請(qǐng)、推薦管理模塊。

4）位置模塊：支持定位地理位置功能。

3 系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

本系統(tǒng)是基于智能推薦的在線組隊(duì)平臺(tái)系統(tǒng)，為B/S三層架構(gòu)。其中Web服務(wù)器層采用SpringMVC框架，數(shù)據(jù)庫(kù)使用MySQL，前端頁(yè)面主要采用Bootstrap框架。開(kāi)發(fā)環(huán)境為：My-Eclipse， JDK 1.8. Tomcat 9.0.

3.1智能推薦組隊(duì)模塊的設(shè)計(jì)與實(shí)現(xiàn)

1）基于需求的推薦算法：由于推薦機(jī)制是推薦引擎最常用的推薦機(jī)制，因此其核心思想是根據(jù)推薦需求的元數(shù)據(jù)查找需求或內(nèi)容的相關(guān)性，然后將其推薦給具有類(lèi)似需求的用戶(hù)需要[3，5]。

2）推薦管理：推薦管理是當(dāng)組隊(duì)方發(fā)布某組隊(duì)需求時(shí)，該系統(tǒng)可以根據(jù)需求關(guān)鍵字和潛在參隊(duì)用戶(hù)的愛(ài)好技能的匹配度，推薦符合該需求的最合適的參隊(duì)人選。

3.2 智能信息推薦

1）信息推薦原理：信息推薦是面向在面對(duì)大量信息時(shí)不知道從哪里開(kāi)始的用戶(hù)的解決方案。它可以根據(jù)用戶(hù)的偏好、年齡、點(diǎn)擊次數(shù)、特長(zhǎng)和各種行為向用戶(hù)推薦適當(dāng)?shù)男畔ⅰ?/p>

2）余弦相似度的原理：在三角形中，cos30°=、√3 2，cos60°=1/2。顯然，cos30°比cos60°更接近1[7]?？梢钥闯觯嵌确浅５脑浇咏?°，所以相應(yīng)的也就余弦值越接近1，并且形成該角度的兩條邊越近，即兩者的相似度越高。

即向量之間的余弦角公式為：

3.3 聊天室功能

1）聊天室的原理：本文是基于Socket的聊天室，其基本原理基本上是根據(jù)HTML的使用規(guī)范，除了OGI和WWW服務(wù)器，再?gòu)氖盏降臑g覽器請(qǐng)求，模仿WWW服務(wù)器的響應(yīng)，之后再將聊天內(nèi)容發(fā)回到瀏覽器中[6]。

2）聊天室實(shí)現(xiàn)的功能：本文中聊天室具有3個(gè)功能。①能夠列出聊天室的在線人數(shù)。②用戶(hù)在聊天室擁有兩個(gè)狀態(tài)，在線和離開(kāi)。③具有群聊和私聊功能，用戶(hù)可根據(jù)圖標(biāo)前的選項(xiàng)框，進(jìn)行私聊或者是群聊。

3） 聊天室過(guò)程：其聊天室基本過(guò)程如圖3所示。

3.4 數(shù)據(jù)庫(kù)設(shè)計(jì)

1）E-R圖的設(shè)計(jì)：全局E-R圖如圖4所示。

2）創(chuàng)建的數(shù)據(jù)庫(kù)名為db_smartteam，其中包含tb_content，tb_feedback，tb_user共3張數(shù)據(jù)表。表tb_content，tb_feedback，tb_user的詳細(xì)說(shuō)明如下：

①tb_content：查看發(fā)布組隊(duì)信息的相關(guān)要求，其結(jié)構(gòu)見(jiàn)表1所示。

②tb_feedback：用戶(hù)對(duì)該系統(tǒng)的反饋意見(jiàn)，其結(jié)構(gòu)見(jiàn)表2所示。③tb_user：用戶(hù)相關(guān)信息，其結(jié)構(gòu)見(jiàn)表3所示。

4 實(shí)驗(yàn)與測(cè)試

為了檢測(cè)系統(tǒng)的穩(wěn)定性，我們對(duì)系統(tǒng)的一些功能進(jìn)行測(cè)試，并記錄其測(cè)試結(jié)果。系統(tǒng)功能測(cè)試表如下表4所示，性能測(cè)試表如下表5所示。最后為了系統(tǒng)的展示效果，給出一些有代表性的系統(tǒng)截圖如圖5、圖6、圖7、圖8所示。

5 總結(jié)與展望

經(jīng)過(guò)長(zhǎng)時(shí)間的實(shí)驗(yàn)研究和測(cè)試，我們驗(yàn)證了本文設(shè)計(jì)模型的可行性，模型能夠精準(zhǔn)地匹配出用戶(hù)所需信息，并對(duì)其進(jìn)行匹配，從而完成推送，最后根據(jù)用戶(hù)需求到達(dá)組隊(duì)的目的?；谥悄芡扑]的在線組隊(duì)平臺(tái)對(duì)于現(xiàn)今的組隊(duì)具有強(qiáng)大的輔助作用，此系統(tǒng)利用協(xié)同過(guò)濾推薦算法針對(duì)用戶(hù)提出的需求進(jìn)行相對(duì)應(yīng)的推薦，將相同興趣、目的和地理位置的用戶(hù)聚集到一起并配以團(tuán)隊(duì)聊天室來(lái)增強(qiáng)人員間的互動(dòng)。用戶(hù)可以在這里更容易找到共同目標(biāo)，促進(jìn)用戶(hù)之間及時(shí)有效的交流，從而達(dá)到撮合用戶(hù)的共有需求，該系統(tǒng)除為體驗(yàn)者節(jié)約時(shí)間還可為體驗(yàn)者提供不同的選擇。

參考文獻(xiàn)：

[1]王麗可.司機(jī)組隊(duì)推薦算法研究[D].武漢：華中科技大學(xué)，2019.

[2]黃公瑾.最佳組隊(duì)問(wèn)題的優(yōu)化模型與解法[Jl.福建電腦，2015，31（11）： 94-95.

[3]陳彬，張榮梅.智能推薦系統(tǒng)研究綜述[J].河北省科學(xué)院學(xué)報(bào)，2018，35（3）： 82-92.

[4]朱子江，劉東，劉壽強(qiáng)，基于用戶(hù)行為的推薦算法研究[Jl.軟件導(dǎo)刊，2017，16（8）： 43-45.

[5]王炎.數(shù)據(jù)挖掘技術(shù)下的個(gè)性化智能推薦系統(tǒng)設(shè)計(jì)[J].微型電腦應(yīng)用，2019，35（2）： 119-121.

[6]王榮球.基于Socket的網(wǎng)上聊天室設(shè)計(jì)與實(shí)現(xiàn)[J].電腦與信息技術(shù)，2003，11（2）： 64-66.

[7]馮阿敏.基于用戶(hù)協(xié)同過(guò)濾算法的推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2017.

[8] Li H，Li H N，Zhang S，et al.Intelligent learning systembased on personalized recommendation technology[Jl. NeuralComputing and Applications， 2019， 31（9）： 4455-4462.

【通聯(lián)編輯：謝媛媛】

基金項(xiàng)目：貴州省2019年大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目：基于智能推薦的在線組隊(duì)平臺(tái)（項(xiàng)目編號(hào)：20195200202）;貴州省省級(jí)重點(diǎn)學(xué)科：計(jì)算機(jī)科學(xué)與技術(shù)（項(xiàng)目編號(hào)：ZDXK[2018]007號(hào)）;2016年貴州省省級(jí)重點(diǎn)支持學(xué)科：計(jì)算機(jī)應(yīng)用技術(shù)（項(xiàng)目編號(hào)：黔學(xué)位合字ZDXK[2016]20號(hào)）;貴州師范學(xué)院大學(xué)生互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)訓(xùn)練中心（項(xiàng)目編號(hào)：黔教高發(fā)[2015]337號(hào)、黔教高發(fā)[20171158號(hào)）;貴州省2018年第三批省級(jí)服務(wù)業(yè)發(fā)展引導(dǎo)資金項(xiàng)目（項(xiàng)目編號(hào)：黔發(fā)改服務(wù)[2018]1181號(hào)）

作者簡(jiǎn)介：石承坤（1999-），男，學(xué)生;禹振（1986-），男，副教授，研究方向?yàn)槌绦蚍治?、人工智能、機(jī)器學(xué)習(xí)等。