基于Hadoop的新聞推薦系統(tǒng)關(guān)鍵技術(shù)的研究.pdf

1、近年來(lái)，互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展對(duì)用戶造成了信息過(guò)載的困擾，導(dǎo)致用戶想要獲取需要的信息變得愈發(fā)困難。搜索引擎雖然能夠給用戶查詢想要的信息，但是仍然缺乏主動(dòng)性。在這個(gè)基礎(chǔ)上，出現(xiàn)了個(gè)性化推薦系統(tǒng)。個(gè)性化推薦系統(tǒng)不需要用戶輸入信息，便能主動(dòng)提供用戶感興趣的信息，因此得到了廣泛使用。個(gè)性化推薦系統(tǒng)通常建立在大數(shù)據(jù)量分析與挖掘平臺(tái)上，通過(guò)對(duì)用戶的注冊(cè)登錄信息，歷史行為等來(lái)分析用戶的偏好，找到用戶潛在的興趣，進(jìn)而進(jìn)行個(gè)性化推薦來(lái)改善用戶的互聯(lián)網(wǎng)體驗(yàn)。

2、
　　在新聞媒體領(lǐng)域，每天都會(huì)產(chǎn)生海量的數(shù)據(jù)。新聞數(shù)據(jù)往往具有鮮明的時(shí)效性，歸類性，社會(huì)化等特點(diǎn)。針對(duì)這些特點(diǎn)，已經(jīng)有一些新興的新聞媒體將傳統(tǒng)的新聞推送方式與個(gè)性化推薦系統(tǒng)相結(jié)合，極大的增強(qiáng)了用戶與新聞介質(zhì)之間的黏性，也使得新聞媒體更好的融入到互聯(lián)網(wǎng)的發(fā)展中。雖然新聞媒體與個(gè)性化推薦系統(tǒng)的結(jié)合是主流趨勢(shì)，但仍然會(huì)面臨一些推薦系統(tǒng)特有的問(wèn)題，如冷啟動(dòng)，數(shù)據(jù)量太大，準(zhǔn)確率與召回率過(guò)低，時(shí)效性等等，這些問(wèn)題的解決都是研究個(gè)性化推薦系統(tǒng)中

3、的關(guān)鍵。
　　本文結(jié)合了目前推薦系統(tǒng)中的研究成果，將社交化的用戶信息結(jié)合到個(gè)性化新聞推薦系統(tǒng)中，本文的主要工作成果為：
　　1、將用戶的社交信息與用戶歷史行為捆綁推薦。
　　2、為提高推薦系統(tǒng)效率，提出了一種基于社交網(wǎng)絡(luò)的最短距離聚類算法(SDCA)，力求在推薦算法執(zhí)行之前，預(yù)先對(duì)用戶進(jìn)行一次聚類。此算法改變傳統(tǒng)的推薦系統(tǒng)的輸入方式，使得推薦系統(tǒng)的推薦效率得到了有效提高。
　　3、將個(gè)性化新聞推薦系統(tǒng)與大數(shù)據(jù)相結(jié)