實(shí)時(shí)新聞推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、信息的指數(shù)爆炸帶來(lái)了信息過(guò)載問(wèn)題，從而產(chǎn)生了分類目錄技術(shù)和搜索引擎技術(shù)，然而分類目錄只能覆蓋熱門分類，搜索引擎只能由用戶主動(dòng)輸入關(guān)鍵詞檢索信息，于是個(gè)性化新聞推薦系統(tǒng)應(yīng)運(yùn)而生。單一的算法很難從多個(gè)角度為用戶進(jìn)行推薦，易導(dǎo)致推薦結(jié)果多樣性欠缺。為提高推薦的準(zhǔn)確率和多樣性，本文就目前已有的推薦算法展開(kāi)研究，結(jié)合傳統(tǒng)的推薦技術(shù)設(shè)計(jì)了混合加權(quán)的新聞推薦策略，將基于內(nèi)容的推薦算法和基于用戶的協(xié)同過(guò)濾算法按不同權(quán)重進(jìn)行加權(quán)混合，使之達(dá)到取長(zhǎng)補(bǔ)短的目

2、的，提高了推薦結(jié)果的準(zhǔn)確性，更好的為用戶進(jìn)行個(gè)性化的新聞推薦。
　　本文將新聞內(nèi)容建模、用戶興趣建模和混合算法建模三部分作為推薦系統(tǒng)的核心內(nèi)容。對(duì)于新聞內(nèi)容建模，首先介紹了新聞文本預(yù)處理的相關(guān)理論，針對(duì)新聞內(nèi)容的特點(diǎn)，采取線性加權(quán)的方式進(jìn)行新聞關(guān)鍵詞的提取，并使用支持向量機(jī)實(shí)現(xiàn)了對(duì)新聞的分類;對(duì)于用戶興趣建模，通過(guò)對(duì)用戶行為日志的收集，分析用戶的新聞瀏覽偏好，進(jìn)而完成對(duì)用戶興趣模型的建立與更新;對(duì)于混合算法建模，基于內(nèi)容的推薦算法

3、主要通過(guò)計(jì)算新聞內(nèi)容向量和用戶興趣向量的夾角余弦相似度確定新聞推薦列表，基于用戶的協(xié)同過(guò)濾算法通過(guò)建立用戶相似度矩陣來(lái)推薦相似用戶喜歡的新聞，然后將兩者召回的結(jié)果按不同權(quán)值進(jìn)行加權(quán)混合，并通過(guò)多次訓(xùn)練得出加權(quán)效果最好的權(quán)值比，確保推薦系統(tǒng)的準(zhǔn)確性。另外還設(shè)置了新聞時(shí)間閥值，對(duì)推薦返回的結(jié)果進(jìn)行適當(dāng)過(guò)濾，在一定程度上保障了推薦結(jié)果的時(shí)效性。
　　論文首先通過(guò)介紹系統(tǒng)的背景意義及國(guó)內(nèi)外研究現(xiàn)狀確立了基本工作內(nèi)容，然后就典型推薦算法進(jìn)行