基于無線新聞客戶端的推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，每時(shí)每刻都在出現(xiàn)新的新聞資訊，用戶面對不斷增長的新聞信息，需要花費(fèi)大量的時(shí)間與精力去尋找他們感興趣的新聞。在此背景下，新聞推薦系統(tǒng)的產(chǎn)生也是水到渠成。新聞推薦系統(tǒng)通過對用戶使用新聞客戶端的操作行為進(jìn)行分析，結(jié)合用戶情境信息分析用戶的新聞興趣，使用戶在大量的新聞信息中獲取到他們感興趣的新聞。
　　基于以上背景及存在問題的分析，本文首先分析機(jī)器學(xué)習(xí)在推薦系統(tǒng)中的相關(guān)理論與技術(shù)，接著以海豚新聞客戶端為具體案例，對無線新

2、聞客戶端的推薦系統(tǒng)進(jìn)行分析、設(shè)計(jì)和實(shí)現(xiàn)。本文的主要研究內(nèi)容為以下五方面:
　　1.分析數(shù)據(jù)挖掘技術(shù)在推薦系統(tǒng)中的應(yīng)用，調(diào)研了各個新聞門戶網(wǎng)站使用的推薦技術(shù)，了解了新聞推薦系統(tǒng)的常用推薦方法。
　　2.根據(jù)海豚新聞客戶端實(shí)際的業(yè)務(wù)設(shè)計(jì)推薦系統(tǒng)，分析各個推薦方法的優(yōu)劣。從簡單模型推薦系統(tǒng)到復(fù)合模型推薦系統(tǒng)的設(shè)計(jì)，包括對新聞使用BOW模型，命名實(shí)體模型，ESA模型進(jìn)行特征表示。
　　3.設(shè)計(jì)了不活躍用戶的聚類模型推薦系統(tǒng)，使

3、不活躍用戶也能使用基于內(nèi)容的推薦系統(tǒng)，提高了新聞的點(diǎn)擊率。
　　4.對于推薦結(jié)果通過負(fù)反饋推薦模型進(jìn)行過濾，使用戶不喜歡的新聞數(shù)量減少，提高了推薦的準(zhǔn)確率。
　　5.對于基于無線客戶端的新聞推薦需求，模擬線上真實(shí)服務(wù)的環(huán)境，設(shè)計(jì)并實(shí)現(xiàn)了新聞推薦系統(tǒng)。同時(shí)對該系統(tǒng)得存儲進(jìn)行了介紹。使其提高運(yùn)行速度，同時(shí)為下一步的擴(kuò)展提供了保障。
　　新聞推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)，方便用戶快速獲取新聞信息，增加了用戶點(diǎn)擊率，提高新聞?wù)故韭?，?/p>