随着互联网与信息技术的飞速发展,各个行业向互联网转型,并取得较大的进展。在众多的行业中,“互联网+”母婴凭借近些年国家政策以及家庭对育婴的重视,更是得到前所未有的繁荣。作为父母的人们可以通过互联网来了解儿童成长状况,寻找志同道合的朋友或育婴达人,共同探讨或学习育婴经验。“互联网+”母婴行业的发展为用户提供了极大的便利,但随着互联网的发展网络信息的增加,母婴用户不可避免的将面对大量的垃圾信息和无意义数据,即所谓的信息过载问题。特别是随着育龄妇女越来越年轻化,互联网已成为大多数父母生活的一部分,他们也更倾向于使用互联网来帮助自己了解到孩子的成长状况,得到更加科学可靠且符合自己需求的信息,因此信息过载问题也就更加突出。基于此,本文构建了一种基于多元线性回归的儿童生长预测模型,然后根据儿童的成长信息,研究并设计一种融合儿童成长信息的协同过滤算法,最后利用提出的模型与算法设计实现了一个婴幼儿成长分析的推荐系统。主要研究内容如下:(1)基于多元线性回归的儿童生长预测模型。由于利用横断面调查得到的数据分析儿童生长特点存在局限性,故使用纵向追踪数据,构建儿童身高生长的多元线性回归预测模型。首先从个性化角度出发,考虑儿童自身的生长发育特点,通过对性别、月龄、出生身长三个因素相关性分析,确定是否与儿童身高有相关性;然后,借助SPSS(Statistical Product and Service Solutions)软件,建立儿童身高的多元线性回归预测模型,并对得到的模型进行检验。结果表明,该模型拟合优度较高,具有一定的应用价值。(2)融合儿童成长信息的协同过滤算法。针对传统的协同过滤技术在产生推荐时只考虑用户以及项目的问题,提出了一种融合儿童成长信息的协同过滤算法。由于儿童信息是“互联网+”母婴行业中独特的特点,传统的协同过滤算法并未将儿童信息考虑其中,因此,本算法首先根据儿童属性以及成长信息计算儿童相似性;其次,利用用户属性信息计算用户相似性;再次,将儿童相似性与用户相似性加权融合计算出用户的总相似性;最后根据用户的总相似性对用户实现推荐。实验结果表明,该算法在一定程度上可提高推荐的准确性。(3)设计并实现了一个婴幼儿成长分析的推荐系统。本系统采用C/S架构,通过对系统业务以及功能需求的分析,将系统分为用户、儿童、成长记录以及推荐四大模块,并对四大模块进行功能实现,其中本文提出的基于多元线性回归的儿童生长预测模型应用于成长记录模块为用户提供儿童成长分析,方便用户随时了解儿童成长状况,推荐模块则利用融合儿童成长信息的协同过滤算法为用户提供个性化推荐服务,并将结果以可视化的形式展现给用户。