基于用戶行為的個性化新聞推薦系統(tǒng)研究.pdf

1、隨著近年來互聯(lián)網(wǎng)的飛速發(fā)展，個性化推薦已成為各大主流網(wǎng)站的一項必不可少的服務(wù)。提供各類新聞的門戶網(wǎng)站是互聯(lián)網(wǎng)上的傳統(tǒng)服務(wù)，但是與當今蓬勃發(fā)展的電子商務(wù)網(wǎng)站相比，新聞的個性化推薦服務(wù)水平仍存在較大差距。一個互聯(lián)網(wǎng)用戶可能不會在線購物，但是絕大部分的互聯(lián)網(wǎng)用戶都會在線閱讀新聞。因此資訊類網(wǎng)站的用戶覆蓋面更廣，如果能夠更好的挖掘用戶的潛在興趣并進行相應的新聞推薦，就能夠產(chǎn)生更大的社會和經(jīng)濟價值。
　　個性化新聞推薦的主要挑戰(zhàn)是幫助用戶尋

2、找他們感興趣的文章去閱讀。推薦系統(tǒng)要對用戶的歷史閱讀行為進行分析，建立模型，最后給用戶推薦未產(chǎn)生過行為的新聞。
　　本文以基于用戶行為的個性化新聞推薦系統(tǒng)為研究課題，重點研究了用戶的行為以及如何更準確、有效地進行新聞推薦。主要研究的內(nèi)容共有三個部分。
　　第一，研究了基于用戶的行為及用戶閱讀的新聞主題的推薦算法。該算法在計算用戶或新聞相似度時融合了行為特征及主題特征兩種數(shù)據(jù)，計算出最終的相似度。緩解了數(shù)據(jù)稀疏性的問題。在對該

3、實驗的過程中，分析出對用戶推薦新聞的過程中，起主要作用的是用戶的行為數(shù)據(jù)，說明推薦算法的性能主要是靠用戶的行為數(shù)據(jù)。
　　第二，研究了一種基于隱馬爾可夫模型的推薦算法。該算法主要根據(jù)用戶對新聞的行為數(shù)據(jù)來建立馬爾可夫模型，預測用戶閱讀的下一條新聞。該算法簡單易懂，不用對新聞數(shù)據(jù)進行文本主題提取，而且算法可自動過濾一些“過期的”新聞，不用考慮時間的因素。最后根據(jù)相似的用戶閱讀新聞的行為具有相似性對用戶進行聚類，改進該算法。改進后的算