【文章內容簡介】 個用來描述或者匹配一系列符合某個 句法 規(guī)則的 字符串 的單個字符串。在很多 文本編輯器 或其他工具里，正則表達式通常被用來檢索和替換那些符合某個模式的文本內容。許多程序設計語言 都支持利用正則表達式進行字符串操作 [24]。 一個正則表達式通常被稱為一個 模式 (pattern) [25]，就是用某種模式去匹配一類字符串的一個公式 ， 由普通字符（例如字符 a 到 z）以及特殊字符（稱為元字符）組成 ， 用來描述或者匹配一系列符合某個 句法 規(guī)則的 字符串 。 簡單的說，正則表達式就是用一個 “ 字符串 ” 來描述一個特征，然后去驗證另一個 “ 字符串 ”是否符合這個特征。比如表達式 “ab+” 描述的特征是 “一個 39。a39。和任意個 39。b39。 ”，那么39。ab39。， 39。abb39。， 39。abbbbbbbbbb39。 都符合這個特征。 正則表達式可以用來：（ 1）驗證字符串是否符合指定特征，比如驗證是否是合法的郵件地址。（ 2）用來查找字符串，從一個長的文本中查找符合指定特征的字符串，比查找固定字符串更加靈活方便。（ 3）用來替換，比普通的替換更強大。 JAVA 對正則表達式提供了強大的支持 [26]，本系統(tǒng)正是借助于 JAVA 中對正則表達式的強力支持來實現(xiàn)在 JAVA 源文件中對類之間依賴關系的掃描。 在 JAVA 中使用正則表達式匹配字符串的典型調用語句是 Pattern p = (a*b)； Matcher m = (aaaaab)； boolean b = ()； 是正則表達式的編譯表示形式，指定為字符串的正則表達式必須首先被編譯為 此類的實例。 然后，可將得到的模式用于創(chuàng)建 對象 , 依照正則表達式，該對象可以與任意 字符序列 匹配。北京郵電大學研究生畢業(yè)論文 9 執(zhí)行匹配所涉及的所有狀態(tài)都駐留在匹配器中，所以多個匹配器可以共享同一模式。 最后可通過 ()方法驗證字符序列與所編譯的正則表達式是否相匹配。 在 JAVA 中使用正則表達式查找字符串的典型調用語句是 boolean b = (regEx).matcher(str).find() 其中 regEx 是需要編譯的正則表達式， str 為需要進行查找的文本或字符串，通過 ()方法可以查找文本或字符串 str 中是否存在符合正則表達式規(guī)則 regEx 的字符串 [27]。 Lucene Lucene 是一個 apache軟件基金會 jakarta項目組的一個子項目 [28]， Lucene是 用Java 寫的全文檢索引擎工具包 ， 可以方便地嵌入到各種應用中實現(xiàn)針對應用的全文索引 / 檢索功能 ,Lucene 有兩個主要的服務 ,索引和檢索 ， 兩者任務是相互獨立的。這使得開發(fā)人員可以根據(jù)需要對它們進行擴展。 Lucene 提供了 豐富的API ， 可以與存儲在索引中的信息方便的交互 [29]。需要說明的是它并不是一個完整的全文檢索應用 ， 而是為應用程序提供索引和搜索功能。即若想讓 Lucene 真正起作用 ， 還需在其基礎上做一些必要的二次開發(fā) [30]。 Lucene的目的是為軟件開發(fā)人員提供一個簡單易用的工具包，以方便的在目標系統(tǒng)中實現(xiàn)全文檢索的功能，或者是以此為基礎建立起完整的全文檢索引擎。 Lucene 的原作者是 Doug Cutting，他是一位資深全文索引 /檢索專家，曾經(jīng)是 VTwin 搜索引擎的主要開發(fā)者，后在 Excite 擔任高級系統(tǒng)架構 設計師，目前從事于一些 Inter 底 層 架 構 的 研 究 。 早 先 發(fā) 布 在 作 者 自 己 的 SourceFe， 20xx 年年底成為 apache 軟件基金會 jakarta 的一個子項目： 作為一個開放源代碼項目， Lucene 從問世之后，引發(fā)了開放源代碼社群的巨大反響，程序員們不僅使用它構建具體的全文檢索應用，而且將之集成到各種系統(tǒng)軟件中去，以及構建 Web 應用，甚至某些商業(yè)軟件也采用了 Lucene 作為其內部全文檢索子系統(tǒng)的核心。 apache 軟件基金會的網(wǎng)站使用了 Lucene 作為全文檢索的引擎， IBM 的開源軟件 eclipse 的 版本中也采用了 Lucene 作為幫助子系統(tǒng)的全文索引引擎，相應的 IBM 的商業(yè)軟件 Web Sphere 中也采用了 Lucene。Lucene 以其開放源代碼的特性、優(yōu)異的索引結構、良好的系統(tǒng)架構獲得了越來越多的應用。 Lucene 作為一個全文檢索引擎，其具有如下突出的優(yōu)點： （ 1）索引文件格式獨立于應用平臺。 Lucene 定義了一套以 8 位字節(jié)為基礎的索引文件格式，使得兼容系統(tǒng)或者不同平臺的應用能夠共享建立的索引文件。 北京郵電大學研究生畢業(yè)論文 10 （ 2）在傳統(tǒng)全文檢索引擎的倒排索引的基礎上，實現(xiàn)了分塊索引，能夠針對新的文件建立小文件索引，提升索引速度。然后通過與原有索引的合并，達到優(yōu)化的目的。 （ 3）優(yōu)秀的面向對象的系統(tǒng)架構，使得對于 Lucene 擴展的學習難度降低，方便擴充新功能。 （ 4）設計了獨立于語言和文件格式的文本分析接口，索引器通過接受 Token流完成索引文件的創(chuàng)立，用戶擴展新的語言和文件格式，只需要實現(xiàn)文本分析的接口。 （ 5）已經(jīng)默認實現(xiàn)了一套強大的查詢引擎，用戶無需自己編寫代碼即使系統(tǒng)可獲得強大的查詢能力， Lucene 的查詢實現(xiàn)中默認實現(xiàn)了布爾操作、模糊查詢（ Fuzzy Search[11]）、分組查詢等等 [31]。 面對已經(jīng)存在的商業(yè)全文檢索引擎， Lucene 也具有相當?shù)膬?yōu)勢。首先，它的開發(fā)源代碼發(fā)行方式（遵守 Apache Software License），在此基礎上程序員不僅僅可以充分的利用 Lucene 所提供的強大功能，而且可以深入細致的學習到全文檢索引擎制作技術和面相對象編程的實踐，進而在此基礎上根據(jù)應用的實際情況編寫出更好的更適合當前應用的全文檢索引擎。在這一點上，商業(yè)軟件的靈活性遠遠不及 Lucene。其次， Lucene 秉承了開放源代碼一貫的架構優(yōu)良的優(yōu)勢，設計了一個合理而極具擴充能力的面向對象架構，程序員可以在 Lucene 的基礎上擴充各種功能，比如擴充中文處理能力，從文本擴充到 HTML、 PDF 等等文本格式的處理，編寫 這些擴展的功能不僅僅不復雜，而且由于 Lucene 恰當合理的對系統(tǒng)設備做了程序上的抽象，擴展的功能也能輕易的達到跨平臺的能力 [32]。最后，轉移到 apache 軟件基金會后，借助于 apache 軟件基金會的網(wǎng)絡平臺，程序員可以方便的和開發(fā)者、其它程序員交流，促成資源的共享，甚至直接獲得已經(jīng)編寫完備的擴充功能。最后，雖然 Lucene 使用 Java 語言寫成，但是開放源代碼社區(qū)的程序員正在不懈的將之使用各種傳統(tǒng)語言實現(xiàn)（例如 . framework），在遵守 Lucene 索引文件格式的基礎上，使得 Lucene 能夠運行在 各種各樣的平臺上，系統(tǒng)管理員可以根據(jù)當前的平臺適合的語言來合理的選擇。 AJAX AJAX 的全稱是 Asynchronous JavaScript XML(即異步 JavaScript 和 XML)。AJAX 是一種 Web 應用程序開發(fā)的手段，它采用客戶端腳本與 Web 服務器交換數(shù)據(jù) 。 所以，不必采用會中斷交互的完整頁面刷新，就可以動態(tài)地更新 Web 頁面。使用 Ajax，可以創(chuàng)建更加豐富、更加動態(tài)的 Web 應用程序用戶界面，其即時性與可用性甚至能夠接近本機桌面應用程序。這使得 Web 應用的交互性得到了前所未有的提高， 大大增強了應用的實用性和實時性。 北京郵電大學研究生畢業(yè)論文 11 AJAX是幾項技術的全新方式的集合，所用到的核心技術是： 1) 運用 XHTML和 CSS實現(xiàn)基于各種標準的展示。 2) 運用文檔對象模型 (Document Object Model)實現(xiàn)動態(tài)顯示和交互。 3) 運用 XML實現(xiàn)數(shù)據(jù)交換和操作。 4) 運用 XMLHttpRequest實現(xiàn)異步數(shù)據(jù)檢索。 5) JavaScript 將所有這些方法綁定到一起 。 使用 AJAX的關鍵在于對瀏覽器端的 JavaScript、 DHTML和與服務器異步通信的組合 [33]。 AJAX的核心是 JavaScript對象 XMLHttpRequest。該對象在 Inter Explorer 5中首次引入，它是一種支持異步請求的技術。簡而言之，XMLHttpRequest使用戶可以使用 JavaScript向服務器提出請求并處理響應，而不阻塞用戶 [34]。借助于 AJAX，可以在用戶單擊按鈕時，使用 JavaScript和 DHTML立即更新 UI，并向服務器發(fā)出異步請求，以執(zhí)行更新或查詢數(shù)據(jù)庫。當請求返回時，就可以使用 JavaScript和 CSS來相應地更新 UI，而不是刷新整個頁面。最重要的是，用戶甚至不知道瀏覽器正 在與服務器通信： Web站點看起來是即時響應的[35]。 小結 本章主要 介紹了 比較流行的 三種個性化推薦算法 ： 協(xié)同過濾、內容過濾和知識發(fā)現(xiàn) ，并對三種推薦算法的優(yōu)缺點進行了分析 。 然后介紹了本系統(tǒng)實現(xiàn)過程中所利用 的關鍵技術： 正則表達式， Lucene 和 AJAX 技術。 第三章 個性化 禮品 推薦 系統(tǒng)需求分析 任務概述 實現(xiàn) 目標 該系統(tǒng)要實現(xiàn)如下 四 個目標： 北京郵電大學研究生畢業(yè)論文 12 1. 禮品 知識庫的 構建 禮品 推薦 有其特殊的領域知識， 比如送禮人 的個人信息，收禮者的個人信息 ，送禮人與收禮人 的關系 ，送禮的節(jié)日場合等 ， 這些因素 決定 適宜 推薦 的禮品。 本系統(tǒng)要調研禮品贈送知識并據(jù)此構建禮品知識庫。 2. 禮品知識庫的初始化和完善 利用禮品專家的知識對知識庫進行部分初始化。然后通過 一定的算法計算禮 品相似度，根據(jù)禮品的相似度對禮品知識庫進行完善。 3. 禮品知識庫推薦 系統(tǒng)要提供一個良好的知識庫推薦接口，此接口能夠準確描述用戶的需求， 并使用戶獲得準確的 禮品 推薦和良好的用戶體驗。 4. 用戶瀏覽推薦 用戶瀏覽某一禮品的詳細信息時，系統(tǒng)要向用戶推薦與此禮品最相關的若干 禮品。 5. 禮品個性化 搜索 系統(tǒng) 要 能夠 根據(jù)用戶日志 提供個性化的 禮品 搜索功能。 系統(tǒng)設計意圖 該系統(tǒng)設計的意圖是要將符合中國文化的禮品 知識借助數(shù)據(jù)庫進行知識庫建模， 通過 禮品專家 對知識庫進行初始化 ，然后 計算禮品的綜合相似度對知識庫進一步完善 ，同時， 系統(tǒng)要提供個性化的禮品搜索功能。 最后 ， 設計良好的用戶交互推薦接口 提升用戶的體驗 準確表達用戶的需求進而向用戶推薦禮品 ，在用戶獲得系統(tǒng)的推薦的同時，系統(tǒng)要根據(jù)用戶的反饋信息進行學習從而提高系統(tǒng)的推薦準確度。 假定和約束 為了保證推薦的準確性 和客觀性，本系統(tǒng)的假定和約束如下： 1) 從淘寶網(wǎng)上抓取的 40 類 共 3000 個 禮品 在一定時間內不會下架，即用戶得到禮品推薦后可以 從網(wǎng)上 買到該禮品 。 2) 所有禮品的分類 準確，且商家對 禮品的描述 不含欺詐信息 。 需求規(guī)定 北京郵電大學研究生畢業(yè)論文 13 系統(tǒng)功能的需求規(guī)定 1) 基于節(jié)日 場合的推薦 基于送禮 節(jié)日 場合 推薦 通過用戶選擇送禮的節(jié)日或場合 來獲得系統(tǒng)的禮品推薦 。 用 戶選 擇 節(jié) 日獲 得 節(jié) 日 推 薦 u s e s u s e s e x t e n d s 獲 得 場 合 推 薦 u s e s 選 擇 場 合 e x t e n d s u s e s 圖 31 基于 節(jié)日場合推薦用例圖 如上圖所示，基于 節(jié)日場合 推薦的用例圖，用戶根據(jù) 自己的需求選擇送禮節(jié)日或場合，系統(tǒng)調用節(jié)日場合推理向用戶進行禮品 推薦。 由于送禮的節(jié)日和場合 不同，贈送的禮品會有所不同。如情人節(jié)送花和巧克力合適， 中秋節(jié)送月餅合適，孩子滿月送毛絨玩具，小衣服等合適，朋友生日送毛絨熊合適。本系統(tǒng)將把禮品贈送 節(jié)日 場合分類如下。 送禮的節(jié)日有：春節(jié)，元宵節(jié)，情人節(jié)，婦女節(jié)，母親節(jié)，兒童節(jié)，端午節(jié)，父親節(jié)，七夕節(jié)，中秋節(jié)，教師節(jié)，感恩節(jié)，圣誕節(jié)，元旦等。 送禮的場合有：戀愛，約會，結婚，周年，生日，孩子滿月，喬遷新居，升學，畢業(yè)，退休，升職，探病，慰問，感謝等。 2) 基于 收禮對象 的推薦 基于收禮對象 推薦 是通 過用戶選擇收禮者的身份，如性別，年齡，興趣愛好來獲得系統(tǒng)的推薦 禮品。 北京郵電大學研究生畢業(yè)論文