基于內(nèi)容的自適應(yīng)博客推薦方法的研究.pdf

1、自從互聯(lián)網(wǎng)開始變革，博客也跟隨慢慢崛起，并以驚人的速度發(fā)展，到目前為止，博客用戶更是達(dá)到上千萬人。博客已成為人們工作生活必不可少的工具，用戶數(shù)量的劇增，發(fā)表的博客自然也會(huì)增多。隨著博客資源逐漸豐富，用戶通過博客來解決疑難問題或查閱相關(guān)信息的使用也變的更多。但目前的博客站點(diǎn)只能簡(jiǎn)單以閱讀量排行、點(diǎn)擊排行量推薦結(jié)果，并沒有根據(jù)用戶的實(shí)際需要來為用戶提供相關(guān)的博客。因此為了提高用戶使用博客黏貼性，需要對(duì)用戶需求進(jìn)行分析，了解用戶的興趣，準(zhǔn)確的

2、把握用戶的興趣趨向，主動(dòng)學(xué)習(xí)用戶興趣趨向的變化并調(diào)整推薦，滿足用戶的需要。
　　根據(jù)博客用戶興趣的易變性，提出一種基于用戶反饋的自適應(yīng)推薦方法-啟發(fā)式方法，首先通過分析用戶發(fā)表的博客類型為用戶建立用戶模型，并在此基礎(chǔ)上記錄用戶閱讀其它博客的行為；然后分析用戶的反饋記錄（用戶的反饋記錄則是用戶在閱讀過程中的行為動(dòng)作和導(dǎo)航記錄），從用戶行為動(dòng)作中挖掘用戶的心態(tài)，從用戶的導(dǎo)航記錄中分析用戶閱讀博客的方式，從中跟蹤用戶的興趣點(diǎn)，同時(shí)檢測(cè)推

3、薦的結(jié)果是否是用戶需要的，并適當(dāng)調(diào)整推薦結(jié)果；當(dāng)興趣在用戶模型中改變時(shí)使用貝葉斯修正法更新用戶模型。
　　實(shí)驗(yàn)分為閾值設(shè)定法對(duì)比實(shí)驗(yàn)和推薦基數(shù)選擇實(shí)驗(yàn)。在閾值設(shè)定法對(duì)比實(shí)驗(yàn)中推薦基數(shù)設(shè)為5-50，隨著推薦基數(shù)的增大，推薦的博客數(shù)目也會(huì)增多，覆蓋用戶興趣會(huì)更全面，應(yīng)該是推薦的更全面、更準(zhǔn)確。但博客數(shù)目過大會(huì)影響用戶的閱讀習(xí)慣，用戶不會(huì)過多關(guān)注翻頁后的推薦內(nèi)容，因此在前期對(duì)用戶閱讀有提升，隨著數(shù)目過大就會(huì)逐漸降低推薦效果。推薦基數(shù)選擇