自二十一世紀(jì)以來,互聯(lián)網(wǎng)的飛速發(fā)展,給人們的生活帶來很多便利。大數(shù)據(jù)時(shí)代到來,以自媒體的形式產(chǎn)生了大量數(shù)據(jù)并由大量用戶進(jìn)行傳播,給用戶提供了豐富的資源信息,人們獲取資源信息已經(jīng)從傳統(tǒng)的報(bào)紙、廣播等媒介,轉(zhuǎn)向從網(wǎng)絡(luò)中獲取自己需要的資源信息,在網(wǎng)絡(luò)上閱讀在線新聞非常便捷,因此成為人們獲取信息的一個(gè)重要來源,與此同時(shí)也帶來了許多問題。海量的新聞資源使用戶難以在大量的新聞數(shù)據(jù)中獲取到所需要的新聞信息,這就造成了信息過載的問題。另一方面很多用戶在瀏覽新聞時(shí),并沒有明確的新聞信息指向,無法快速獲取有效信息。因此,在大量的新聞數(shù)據(jù)中收集真實(shí)準(zhǔn)確的新聞,并根據(jù)用戶的潛在興趣對其做出相應(yīng)的新聞推薦,滿足用戶的需求,并可以帶來巨大的社會(huì)和經(jīng)濟(jì)價(jià)值。本文以融合用戶聚類和協(xié)同過濾的新聞推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)為研究課題,主要研究內(nèi)容如下:（1）研究課題背景及意義,對本文涉及到的相關(guān)理論和技術(shù)進(jìn)行研究,主要包括數(shù)據(jù)采集技術(shù)、聚類算法以及推薦技術(shù)。（2）在相關(guān)理論技術(shù)的基礎(chǔ)上,研究融合用戶聚類和協(xié)同過濾的新聞推薦技術(shù)。本文針對推薦系統(tǒng)中存在的冷啟動(dòng)、數(shù)據(jù)稀疏等問題,采用融合聚類的推薦技術(shù),在現(xiàn)有的改進(jìn)聚類的推薦技術(shù)基礎(chǔ)... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：53 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１網(wǎng)民規(guī)模和互聯(lián)網(wǎng)普及率??同時(shí)隨著信息資源的不斷膨脹，也帶來了諸多問題

得了較好的結(jié)果，用戶滿意度相對較高。??國內(nèi)具有新聞推薦的網(wǎng)站有今日頭條、騰訊新聞、搜狐新聞客戶端和百度新聞推薦??等。如圖１－２所示，我們可以看出國內(nèi)互聯(lián)網(wǎng)巨頭使用時(shí)長占比，今日頭條從２０１６下半??年年用戶活躍數(shù)量飛速增長，截止到２０１８年上半年，今日頭條用戶使用時(shí)長占據(jù)移動(dòng)互??聯(lián)網(wǎng)各巨頭從３．９％猛增到１０．１％，超過了百度、阿里成為使用時(shí)長的第二名。今日頭條??有著豐富的推薦邏輯，比如基于文章關(guān)鍵字的推薦、基于社交好友關(guān)系的推薦、基于相??似文章主題相似的推薦等等一系列算法的結(jié)合使用，使得今日頭條取得了大量用戶的信??任［１１］。從下圖中的數(shù)據(jù)可以看出，新聞推薦發(fā)展決定了整個(gè)系統(tǒng)的用戶使用率，用戶量??多會(huì)給整個(gè)系統(tǒng)帶來巨大的社會(huì)經(jīng)濟(jì)效益。國內(nèi)大部分新聞推薦系統(tǒng)，大多使用協(xié)同過??濾算法或?qū)⒍嗨惴ㄟM(jìn)行融合來解決對海量新聞數(shù)據(jù)進(jìn)行推薦的問題。??３??

戶提供便利。隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)頁內(nèi)容不僅限于文本信息，還包括視頻信息、??音頻信息、超鏈接等，在采集的過程中超鏈接將作為待采集的ＵＲＬ放入隊(duì)列中，進(jìn)行下??一步的采集。一般通用網(wǎng)絡(luò)爬蟲的整體框架圖如圖２－１所示。??９??


本文編號(hào)：3250274