基于改進SVD算法的個性化新聞推薦系統(tǒng)設(shè)計和實現(xiàn).pdf

1、隨著信息化的快速發(fā)展和互聯(lián)網(wǎng)的快速普及，網(wǎng)絡(luò)正在持續(xù)改變著人們獲取信息的方式。現(xiàn)在人們可以通過網(wǎng)絡(luò)獲取最新的新聞資訊，閱讀在線書籍，甚至購買物品等，幾乎一切現(xiàn)實生活的需求都可以通過網(wǎng)絡(luò)得到滿足。
　　一方面，技術(shù)的長足發(fā)展讓人們可以從異常豐富的信息渠道獲取信息，另一方面，人們在把現(xiàn)實生活中的信息持續(xù)不斷的數(shù)字化的同時，每天還在不停的產(chǎn)生海量的UGC內(nèi)容，這就形成了數(shù)量極其可觀的數(shù)字化信息，不可避免的導(dǎo)致了信息過載的問題。也就是說，

2、過多的信息已經(jīng)讓用戶無法適應(yīng)，普通人很難從如此海量的信息中高效的找到對自己有用的內(nèi)容。
　　新聞是人們獲取信息的重要渠道之一，同樣也面臨著這樣的問題。無論是傳統(tǒng)的新聞門戶網(wǎng)站，還是導(dǎo)航類的新聞分類網(wǎng)站，甚至是近來異?；钴S的自媒體，雖然進一步豐富了人們獲取新聞資訊的渠道，但無疑同時加重了信息過載的問題，人們更加無法從中得到合適自己的新聞信息。
　　個性化新聞推薦系統(tǒng)正是在這樣的背景下產(chǎn)生的，給用戶提供了一種全新的新聞資訊獲取方

3、式。個性化新聞推薦系統(tǒng)在分析用戶的歷史瀏覽行為的基礎(chǔ)上，通過個性化推薦領(lǐng)域的各種技術(shù)，可以自動預(yù)測用戶的興趣偏好，從而在海量的新聞資源中挑選出符合特定用戶喜好的個性化資訊。
　　正是基于這樣的需求背景，本文分析了推薦鄰域的常見推薦算法，包括基于內(nèi)容的推薦和協(xié)同過濾推薦，介紹了領(lǐng)先的分布式內(nèi)存計算框架-Spark，分析研究了其內(nèi)部的實現(xiàn)原理，比如Spark的計算模型，數(shù)據(jù)存儲機制，也簡要介紹了其生態(tài)系統(tǒng)BDAS。在分析了基于Spar