基于主題抽取演化模型的實時新聞推薦系統(tǒng).pdf

1、隨著互聯(lián)網(wǎng)尤其是移動互聯(lián)網(wǎng)的飛速發(fā)展，越來越多的人選擇使用網(wǎng)絡(luò)獲取新聞資訊。然而，由于互聯(lián)網(wǎng)信息量太大，在海量新聞資訊面前，人類卻無從選擇。因此，如何在海量新聞資訊中找到用戶真正感興趣的新聞并將其推薦給用戶成為了業(yè)界研究的熱點。實時新聞推薦系統(tǒng)能夠?qū)崿F(xiàn)對新聞資訊的自動化處理，通過新聞主題演化抽取算法，結(jié)合用戶畫像技術(shù)，把新聞內(nèi)容和用戶聯(lián)系起來，采用大數(shù)據(jù)實時流處理技術(shù)，能夠解決大數(shù)據(jù)背景下的新聞精準(zhǔn)推薦問題。
　　本文對新聞主題抽

2、取演化方法和實時推薦系統(tǒng)相關(guān)技術(shù)進行了研究，主要工作包括:
　　1、提出基于LDA(Latent Dirichlet Allocation)的新聞主題提取和話題演化算法。該算法在傳統(tǒng)LDA算法基礎(chǔ)上，增加了時間演化的推演過程，通過構(gòu)建新聞和時間級聯(lián)表來計算獨立性檢驗卡方參數(shù)，更能追蹤新聞事件的時效演化特性，可以更有效的抽取出新聞的主題;同時，將基于solrcloud的分布式索引技術(shù)應(yīng)用于新聞文本處理，實現(xiàn)了高性能分布式計算。

3、>　　2、提出一種基于用戶畫像技術(shù)的交替最小二乘UP-ALS的協(xié)同推薦算法。新算法結(jié)合用戶畫像標(biāo)簽權(quán)重和交替最小二乘ALS預(yù)測評分矩陣完成協(xié)同推薦的計算，更精準(zhǔn)地定位用戶喜好;為滿足大數(shù)據(jù)環(huán)境下實時計算的需要，采用Spark分布式流處理框架實現(xiàn)了UP-ALS算法;實驗仿真表明，與矩陣分解模型MFM和ALS算法相比，UP-ALS算法提高了推薦的準(zhǔn)確度。
　　3、利用分布式架構(gòu)構(gòu)建了實時推薦系統(tǒng)，并對系統(tǒng)的性能進行了調(diào)優(yōu)，展示了系統(tǒng)實