實時新聞推薦系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、信息的指數(shù)爆炸帶來了信息過載問題，從而產(chǎn)生了分類目錄技術(shù)和搜索引擎技術(shù)，然而分類目錄只能覆蓋熱門分類，搜索引擎只能由用戶主動輸入關(guān)鍵詞檢索信息，于是個性化新聞推薦系統(tǒng)應(yīng)運而生。單一的算法很難從多個角度為用戶進行推薦，易導致推薦結(jié)果多樣性欠缺。為提高推薦的準確率和多樣性，本文就目前已有的推薦算法展開研究，結(jié)合傳統(tǒng)的推薦技術(shù)設(shè)計了混合加權(quán)的新聞推薦策略，將基于內(nèi)容的推薦算法和基于用戶的協(xié)同過濾算法按不同權(quán)重進行加權(quán)混合，使之達到取長補短的目

2、的，提高了推薦結(jié)果的準確性，更好的為用戶進行個性化的新聞推薦。
　　本文將新聞內(nèi)容建模、用戶興趣建模和混合算法建模三部分作為推薦系統(tǒng)的核心內(nèi)容。對于新聞內(nèi)容建模，首先介紹了新聞文本預處理的相關(guān)理論，針對新聞內(nèi)容的特點，采取線性加權(quán)的方式進行新聞關(guān)鍵詞的提取，并使用支持向量機實現(xiàn)了對新聞的分類;對于用戶興趣建模，通過對用戶行為日志的收集，分析用戶的新聞瀏覽偏好，進而完成對用戶興趣模型的建立與更新;對于混合算法建模，基于內(nèi)容的推薦算法

3、主要通過計算新聞內(nèi)容向量和用戶興趣向量的夾角余弦相似度確定新聞推薦列表，基于用戶的協(xié)同過濾算法通過建立用戶相似度矩陣來推薦相似用戶喜歡的新聞，然后將兩者召回的結(jié)果按不同權(quán)值進行加權(quán)混合，并通過多次訓練得出加權(quán)效果最好的權(quán)值比，確保推薦系統(tǒng)的準確性。另外還設(shè)置了新聞時間閥值，對推薦返回的結(jié)果進行適當過濾，在一定程度上保障了推薦結(jié)果的時效性。
　　論文首先通過介紹系統(tǒng)的背景意義及國內(nèi)外研究現(xiàn)狀確立了基本工作內(nèi)容，然后就典型推薦算法進行