互联网时代每天都会产生大量的数据,路由器作为网络的流量节点,对于交换的信息起到了检测和控制的作用,同时也对用户的上网体验至关重要。当前的网络环境中,用户的上网行为经常会被海量的广告干扰。但传统的路由器一般只进行存储转发,并没有完全起到网络流量枢纽的作用。通常用户希望能够得到针对自己兴趣的个性化推荐,而非群发的广告。当前的智能路由器尚且没有出现针对用户兴趣的推荐功能,现有的广告推荐技术也多为群体推荐,不具有针对性。因此本文面向智能路由器这款智能设备,通过数据挖掘的方式设计了一种面向用户行为的兴趣推荐算法,对接入路由器的用户产生的数据挖掘信息,实现用户的个性化兴趣推荐的功能。让用户在通过路由器上网的同时,就能得到最适合用户的兴趣推荐或者广告链接。本文主要工作如下:1.通过路由器采集用户原始数据,并利用数据接口上传到云服务器端,在服务器端对用户数据进行分析;2.改进How Net的语义相似度算法,加入义原的密度和深度及其所处层次的影响,提高了词汇间语义相似度的准确性;3.设计了关键词集合相似度算法,并对用户的关键词集合聚类分簇,同时采用追踪窗口实时抓取户的兴趣,并分别提取出用户的长期兴趣及短期兴趣;4.利用提取出的用户兴趣,计算用户之间的相似度,并在相似度较高的用户之间相互推荐兴趣内容;5.针对本文所设计的兴趣推荐算法进行了MATLAB实验仿真,采集了10个用户的真实数据分为训练集和验证集,确定了算法中的阈值参数,根据算法预测用户兴趣及相似用户,并用验证集进行了验证,与用户的真实情况基本相符;最后,在路由器端对兴趣推荐算法进行应用以及实现。不同用户得到了针对自身的兴趣推荐内容,并可以在相似用户之间进行兴趣推荐,从而验证了本文所设计算法的可行性。