基于用戶瀏覽模式的新聞推薦系統(tǒng)設計.pdf

1、如今的因特網(wǎng)行業(yè)正在快速發(fā)展，在這個時代，信息數(shù)量巨大，更新速度飛快，使得網(wǎng)絡瀏覽者在眾多資訊中無法找到自己真正所需。為了解決這一問題，在推薦系統(tǒng)出現(xiàn)之前，人們運用搜索引擎通過關(guān)鍵詞找到自己對信息的需求，然而某些場景下用戶無法很精確地明確自己所需要的關(guān)鍵詞，使得搜索引擎的效果大打折扣。
　　個性化推薦經(jīng)過對用戶數(shù)據(jù)的分析，從而發(fā)現(xiàn)他們的相應特征與偏好，及時提供最符合用戶的推薦結(jié)果。作為有效解決用戶沒有明確需求下的信息過載問題的工具

2、之一，它已經(jīng)變?yōu)樵S多領(lǐng)域的研究熱點。個性化推薦系統(tǒng)可以智能地為因特網(wǎng)用戶推薦他們所感興趣的內(nèi)容，讓人們從海量數(shù)據(jù)的迷茫中解脫出來。
　　在因特網(wǎng)新聞方面，個性化推薦也極其重要，今日頭條網(wǎng)（http://www.toutiao.com/）、新浪新聞網(wǎng)（http://news.sina.com.cn/）等網(wǎng)站每天都在發(fā)布各行各業(yè)的時事新聞，隨著新聞信息量與信息更新速度的不斷增大，網(wǎng)頁新聞瀏覽者難以看到自身所感興趣的新聞內(nèi)容，常常讓自己

3、丟失在海量級別的新聞資訊中。當遇到這一類問題時，新聞推薦系統(tǒng)可以根據(jù)瀏覽者個性化的瀏覽記錄，發(fā)掘出他們的潛在瀏覽偏好，形成相應的推薦結(jié)果。從而節(jié)約了大量瀏覽者的新聞探尋時間，提高了瀏覽者的滿意度，同時降低網(wǎng)頁新聞資源浪費程度。
　　利用用戶的顯式反饋信息進行推薦的推薦方法是目前比較常見的方法，然而相對于顯式反饋，由于隱式反饋信息更容易獲取，具有普遍性，因此根據(jù)隱式反饋信息所設計的推薦系統(tǒng)具有更加廣泛的適用性，本文所設計的推薦系統(tǒng)是

4、根據(jù)隱式反饋信息所設計的。
　　本文主要對網(wǎng)頁新聞瀏覽者的隱式反饋數(shù)據(jù)進行處理，對推薦模型以及推薦算法、用戶模型的構(gòu)建、推薦的混合方案和策略等內(nèi)容開展研究，將瀏覽者群體按照瀏覽頻率進行劃分，對不同瀏覽者群體采用不同推薦算法混合，對于經(jīng)常瀏覽用戶，綜合用戶協(xié)作型過濾算法、內(nèi)容推薦算法進行結(jié)果上的混合，對于不常瀏覽用戶，綜合了物品協(xié)作過濾算法的相似度計算以及內(nèi)容推薦算法的相似度計算法則，進行相應算法上的混合，并將得出的相應推薦結(jié)果與基