基于微博的個性化新聞推薦算法的研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們獲取新聞的方式也在發(fā)生顯著地變化，從傳統(tǒng)的報紙、雜志向新聞聚合網(wǎng)站發(fā)展，如國內(nèi)的網(wǎng)易新聞、新浪新聞，國外的谷歌新聞、雅虎新聞等。人們從信息匱乏時代進(jìn)入信息過載時代。對于這些新聞網(wǎng)站，如何高效精準(zhǔn)的通過分析用戶的興趣給用戶推薦新聞成為一個重要的任務(wù)。近年來，隨著微博等社交網(wǎng)絡(luò)的興起，許多學(xué)者試圖通過分析用戶的微博和社交行為來構(gòu)建用戶的興趣肖像庫，基于微博的用戶興趣研究成為一個新的研究熱點(diǎn)。
　　本文對基于微

2、博的個性化新聞推薦算法進(jìn)行了研究和分析。主要工作內(nèi)容如下:
　　針對微博字?jǐn)?shù)少的限制，本文通過詞性標(biāo)注和微博擴(kuò)充等手段，擴(kuò)充了微博的內(nèi)容，從而更好地表示用戶的興趣;因為新聞屬性的不完整和改善用戶體驗。本文設(shè)計了一個組合分類器對新聞文本進(jìn)行分類并且設(shè)計了一個智能摘要算法來對新聞自動生成摘要;為了解決推薦系統(tǒng)的冷啟動問題，受中國餐館過程啟發(fā)，本文提出了一種基于詞向量的推薦算法。為了更好的挖掘用戶和新聞之間的關(guān)系，本文通過使用張量來對用

3、戶和新聞建模，基于此提出了一種基于張量分解的推薦算法。通過實驗對比，本文提出的基于詞向量的推薦算法優(yōu)于傳統(tǒng)的基于關(guān)鍵詞的內(nèi)容推薦算法和基于主題模型的推薦算法，而且在用戶發(fā)的微博較少的時候，算法的效果也很好，算法的容錯性、健壯性較好。通過對用戶和新聞間多種關(guān)系的挖掘，本文提出的基于張量分解的推薦算法，好于傳統(tǒng)的基于同構(gòu)網(wǎng)絡(luò)的算法。
　　本文還提出了一個完整的基于微博的個性化新聞推薦系統(tǒng)的設(shè)計方案，并詳細(xì)闡述了系統(tǒng)設(shè)計與實現(xiàn)。通過對系