本文關(guān)鍵詞：面向移動互聯(lián)網(wǎng)的個性化新聞推薦算法研究

  更多相關(guān)文章： 移動網(wǎng)絡(luò) 協(xié)同過濾 LDA 主題模型 個性化服務(wù) 新聞推薦

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展,移動通信網(wǎng)絡(luò)與計算機(jī)網(wǎng)絡(luò)迅速融合,越來越多的用戶使用移動設(shè)備(如智能手機(jī)、平板電腦、PAD等)來獲取網(wǎng)絡(luò)服務(wù)和信息資源。然而,移動用戶在享受豐富多彩的海量信息同時也面臨著嚴(yán)重的“信息過載”問題。此外,由于移動設(shè)備終端自身的處理能力、網(wǎng)絡(luò)帶寬、顯示屏幕大小等限制,人們發(fā)現(xiàn)傳統(tǒng)的瀏覽方式和搜索技術(shù)已經(jīng)無法滿足當(dāng)前用戶個性化的需求。 移動推薦系統(tǒng)正是在這種需求背景下產(chǎn)生的,它為人們提供了一種全新的個性化服務(wù)模式。移動推薦系統(tǒng)(Mobile Recommender Systems)通過收集移動用戶的瀏覽行為,運用個性化推薦技術(shù)加以分析,預(yù)測用戶的興趣偏好,主動為用戶推送滿足其個性化需求的信息內(nèi)容,它是緩解“移動信息過載”的有效技術(shù)手段,得到人們越來越多的關(guān)注。 本文通過分析移動互聯(lián)網(wǎng)不同于傳統(tǒng)互聯(lián)網(wǎng)的特點,研究并設(shè)計面向移動互聯(lián)網(wǎng)的個性化推薦算法,并將該算法應(yīng)用于移動健康新聞推薦領(lǐng)域。 文章的主要工作內(nèi)容包含如下： 1.為節(jié)省移動網(wǎng)絡(luò)流量和提高閱讀效率,設(shè)計了一種基于LDA模型的新聞文檔自動摘要算法。本文通過計算文檔主題分布與句子主題分布之間的相似性,得到了句子主題特征,結(jié)合句子在文檔中的位置和標(biāo)題相似性等特征,形成組合特征計算句子權(quán)重,最后根據(jù)權(quán)重排序抽取句子生成新聞?wù)�。實驗結(jié)果驗證,在LDA模型中加入組合特征后,自動文摘的性能得到了提高。 2.提出一種基于社會化標(biāo)簽和動態(tài)興趣轉(zhuǎn)移模型的協(xié)同過濾推薦算法。首先將用戶-新聞-標(biāo)簽張量模型根據(jù)標(biāo)簽興趣轉(zhuǎn)移曲線作調(diào)整,然后利用社區(qū)發(fā)現(xiàn)技術(shù)劃分用戶小組,從中提取候選的社會性標(biāo)簽,使用SVD對用戶-新聞矩陣R和新聞-標(biāo)簽矩陣Q進(jìn)行分解重構(gòu),最后使用樸素貝葉斯分類器產(chǎn)生Top-N個新聞推薦。實驗結(jié)果驗證,算法加入時間約束因子后提高了推薦精確度。 3.利用本文提出的算法結(jié)合Android開發(fā)技術(shù),設(shè)計開發(fā)了一個面向移動互聯(lián)網(wǎng)的個性化健康新聞推薦系統(tǒng)。
【關(guān)鍵詞】：移動網(wǎng)絡(luò) 協(xié)同過濾 LDA 主題模型 個性化服務(wù) 新聞推薦
【學(xué)位授予單位】：杭州師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP393.09;TP391.3
【目錄】：

• 致謝5-6
• 摘要6-7
• Abstract7-9
• 目次9-11
• 1. 緒論11-17
• 1.1 課題研究背景及意義11-12
• 1.2 移動推薦系統(tǒng)研究的挑戰(zhàn)和熱點12-13
• 1.3 本文主要工作和創(chuàng)新點13-14
• 1.4 論文組織結(jié)構(gòu)14-16
• 1.5 本章小結(jié)16-17
• 2. 移動互聯(lián)網(wǎng)推薦系統(tǒng)綜述17-30
• 2.1 移動互聯(lián)網(wǎng)及其特點17-19
• 2.2 網(wǎng)絡(luò)新聞特點分析19-20
• 2.3 傳統(tǒng)互聯(lián)網(wǎng)個性化推薦技術(shù)20-26
• 2.3.1 基于規(guī)則的推薦技術(shù)(Association rule-based recommendation)21
• 2.3.2 基于內(nèi)容的推薦技術(shù)(Content-based recommendation)21-23
• 2.3.3 協(xié)同過濾推薦技術(shù)(collaborative filtering recommendation)23-26
• 2.3.4 混合推薦技術(shù)(Hybrid recommendation)26
• 2.4 新聞推薦系統(tǒng)的發(fā)展現(xiàn)狀26-29
• 2.5 本章小結(jié)29-30
• 3. 基于組合特征LDA的新聞文檔自動摘要算法30-38
• 3.1 LDA主題模型31-33
• 3.2 基于組合特征LDA的新聞自動摘要算法33-35
• 3.2.1 句子的基礎(chǔ)特征33-34
• 3.2.2 句子的LDA主題概率特征34-35
• 3.2.3 融合組合特征的關(guān)鍵句抽取35
• 3.3 實驗結(jié)果35-37
• 3.3.1 實驗結(jié)果分析36-37
• 3.4 本章小結(jié)37-38
• 4. 基于社會化標(biāo)簽和動態(tài)興趣轉(zhuǎn)移模型的協(xié)同過濾算法38-47
• 4.1 基于社會化標(biāo)簽的興趣轉(zhuǎn)移模型的協(xié)同過濾算法39-43
• 4.1.1 用戶興趣模型40-42
• 4.1.2 矩陣分解和主動推薦42-43
• 4.2 實驗結(jié)果與分析43-46
• 4.3 本章小結(jié)46-47
• 5. 移動互聯(lián)網(wǎng)個性化新聞推薦系統(tǒng)設(shè)計47-56
• 5.1 系統(tǒng)設(shè)計總體框架和功能47-48
• 5.2 系統(tǒng)模塊功能設(shè)計48-51
• 5.3 系統(tǒng)數(shù)據(jù)庫設(shè)計51-53
• 5.4 移動健康新聞推薦APP53-55
• 5.5 本章小結(jié)55-56
• 6. 總結(jié)與展望56-58
• 6.1 論文總結(jié)56
• 6.2 下一步工作展望56-58
• 參考文獻(xiàn)58-63
• 作者在攻讀碩士學(xué)位期間主要的研究成果63

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳永輝;王曉龍;丁宇新;徐軍;郭鴻志;;基于主題的自適應(yīng)、在線網(wǎng)絡(luò)熱點發(fā)現(xiàn)方法及新聞推薦系統(tǒng)[J];電子學(xué)報;2010年11期

2 王國霞;劉賀平;;個性化推薦系統(tǒng)綜述[J];計算機(jī)工程與應(yīng)用;2012年07期

3 宋雙永;李秋丹;;面向移動終端的微博信息推薦方法[J];計算機(jī)科學(xué);2011年11期

4 陳宏;陳偉;;基于多主題追蹤的網(wǎng)絡(luò)新聞推薦[J];計算機(jī)應(yīng)用;2011年09期

5 王紅玲;張明慧;周國棟;;主題信息的中文多文檔自動文摘系統(tǒng)[J];計算機(jī)工程與應(yīng)用;2012年25期

6 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報;2009年02期

7 王立才;孟祥武;張玉潔;;上下文感知推薦系統(tǒng)[J];軟件學(xué)報;2012年01期

8 唐朝;;資源自適應(yīng)的實時新聞推薦系統(tǒng)[J];計算機(jī)工程與設(shè)計;2010年20期

9 孟祥武;胡勛;王立才;張玉潔;;移動推薦系統(tǒng)及其應(yīng)用[J];軟件學(xué)報;2013年01期

10 劉嘉;都興中;陳振宇;何鐵科;朱慶華;吳清;;移動推薦研究綜述[J];情報科學(xué);2012年10期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 楊瀟;馬軍;楊同峰;杜言琦;邵海敏;;基于主題模型LDA的多文檔自動摘要[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 張巧;基于用戶評論的社會化媒體新聞推薦系統(tǒng)研究[D];西南財經(jīng)大學(xué);2010年

2 蔡瑞瑜;基于社會上下文約束和物品上下文約束的協(xié)同推薦[D];浙江大學(xué);2012年

3 閆樹奎;面向移動網(wǎng)絡(luò)新聞的用戶興趣提取系統(tǒng)的設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2012年

4 李偉;基于用戶興趣模型的新聞自動推薦系統(tǒng)[D];復(fù)旦大學(xué);2009年

5 余天豪;基于社會網(wǎng)絡(luò)的主動信息推送算法研究[D];杭州師范大學(xué);2012年

，

本文編號：838665