本文關鍵詞：基于混合機制的新聞推薦系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著電腦的普及和互聯(lián)網(wǎng)的快速發(fā)展,人們獲取信息的渠道越來越多,最終導致人們獲取到的信息由最初的過分簡單和單一,變成現(xiàn)如今的信息過分富足。面對龐大的信息量,人們想要精準快速的找到所需變得特別困難。為了解決這一問題,首先出現(xiàn)的是搜索技術。搜索技術帶來的新問題是無法提供可定制化的服務,反饋結果的精確性也有待提高,在這種背景下,推薦技術出現(xiàn)了,與搜索技術相比,推薦技術最顯著的特征就是可以提供定制化服務。目前,推薦技術被應用于各個領域,比如商品推薦、廣告推薦、新聞推薦等。傳統(tǒng)的推薦系統(tǒng)一般采用兩種推薦算法:協(xié)同過濾推薦算法和基于內容的推薦算法。這兩種算法均存在不足,協(xié)同過濾推薦算法存在的兩個明顯問題:冷啟動問題和隨著矩陣增大帶來的評分矩陣稀疏性問題;基于內容的推薦算法需要進行大量的文本計算,為了規(guī)避兩種算法的缺點,最大限度發(fā)揮兩種算法的優(yōu)勢,本文提出了混合推薦算法思想,目的在于充分利用兩種推薦算法的優(yōu)勢,為用戶提供更個性化和可定制的推薦服務。本文的工作從以下幾個方面展開:首先對本領域的相關研究工作進行了較全面的總結與分析,重點研究基于內容推薦的相關計算算法和基于協(xié)同過濾推薦的相關計算算法,以及利用這些算法如何實現(xiàn)推薦系統(tǒng)。研究新聞推薦算法中新聞主題詞提取的相關理論和算法。針對協(xié)同過濾算法存在的矩陣稀疏性和冷啟動問題,研究如何將多種過濾算法混合形成高效的混合推薦算法。利用混合的相關知識,設計和實現(xiàn)了本文的新聞推薦系統(tǒng),并對系統(tǒng)算法的有效性進行評測。
【關鍵詞】：新聞推薦 個性化推薦 混合推薦 協(xié)同過濾 主題詞提取
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 緒論8-13
• 1.1 課題背景及研究的目的和意義8-9
• 1.2 國內外研究現(xiàn)狀9-11
• 1.3 本文的研究內容和組織結構11-13
• 第2章 推薦系統(tǒng)相關理論13-23
• 2.1 協(xié)同過濾推薦算法13-17
• 2.1.1 基于用戶的協(xié)同過濾算法13-15
• 2.1.2 用戶相似度計算的改進15
• 2.1.3 基于項目的協(xié)同過濾推薦算法15-16
• 2.1.4 兩種協(xié)同過濾推薦算法比較16-17
• 2.2 基于內容的推薦算法17-19
• 2.3 評測指標19-22
• 2.3.1 預測準確度19-20
• 2.3.2 分類準確度20-21
• 2.3.3 覆蓋率21
• 2.3.4 用戶滿意度21-22
• 2.3.5 多樣性22
• 2.4 本章小結22-23
• 第3章 基于局部特征和自聚類的主題詞提取23-32
• 3.1 引言23
• 3.2 主題詞提取23-28
• 3.2.1 分詞和詞性標注24
• 3.2.2 重復串頻統(tǒng)計24-25
• 3.2.3 強噪聲詞過濾25
• 3.2.4 根據(jù)位置信息的成詞概率比值過濾25-26
• 3.2.5 基于置信度的噪聲過濾26
• 3.2.6 基于自聚類的過濾26-27
• 3.2.7 基于全局特征的主題詞排序27-28
• 3.3 主題詞提取評測28-30
• 3.3.1 實驗數(shù)據(jù)選取說明28-29
• 3.3.2 實驗過程及結果29-30
• 3.3.3 實驗分析30
• 3.4 本章小結30-32
• 第4章 新聞混合推薦策略及系統(tǒng)設計和實現(xiàn)32-48
• 4.1 基于群推薦的混合策略32-33
• 4.2 推薦模塊設計33-34
• 4.3 推薦模塊實現(xiàn)34-41
• 4.3.1 用戶profile信息抽取35-36
• 4.3.2 新聞profile信息抽取36-37
• 4.3.3 三種模型組成的推薦模型池37-38
• 4.3.4 新聞過濾38-40
• 4.3.5 熱門新聞降權及興趣、時間修正算法40-41
• 4.4 系統(tǒng)評測41-45
• 4.5 新聞推薦系統(tǒng)整體功能介紹45-47
• 4.5.1 全部功能概覽46
• 4.5.2 公告管理模塊46
• 4.5.3 用戶管理模塊46
• 4.5.4 新聞閱讀模塊46-47
• 4.5.5 興趣管理模塊47
• 4.6 本章小結47-48
• 總結與展望48-50
• 參考文獻50-54
• 致謝54-55
• 個人簡歷55

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應用;2006年10期

2 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應用與軟件;2008年09期

4 張立燕;;一種基于用戶事務模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);2011年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號：289370