智能推薦隨著互聯(lián)網(wǎng)的飛速發(fā)展已經(jīng)成為日常生活中不可或缺的技術,人們越來越習慣于通過手機在線閱讀來了解新聞熱點。然而各種網(wǎng)絡新聞每天都在以億萬計的數(shù)量遞增,且每個人都有自己的興趣愛好和閱讀習慣;那么在如此龐大數(shù)量的新聞消息中,如何讓用戶及時瀏覽到自己感興趣的新聞消息,成為當前大數(shù)據(jù)行業(yè)研究的熱點。媒體企業(yè)希望通過相關大數(shù)據(jù)算法結合用戶的行為數(shù)據(jù)與新聞的文本主題信息來給用戶做個性化推薦。本論文根據(jù)市場上新聞智能推薦系統(tǒng)的技術難點及系統(tǒng)弱點,改進并設計出一套新聞個性化智能推薦系統(tǒng)。首先,根據(jù)以往新聞推薦系統(tǒng)難以掌握用戶實時準確的興趣愛好這一難點出發(fā),通過改進設計,采用從多角度采集用戶行為數(shù)據(jù)這一重要環(huán)節(jié):改進一,系統(tǒng)結合相關機器學習算法,通過分析企業(yè)從用戶手機端獲取的用戶日常行為數(shù)據(jù),得到用戶特征畫像;改進二,通過分析用戶實時閱讀行為數(shù)據(jù),預測用戶實時興趣愛好;系統(tǒng)最后結合用戶畫像和用戶實時興趣愛好進行推薦。其次,系統(tǒng)將新聞網(wǎng)提供的實時新聞數(shù)據(jù),利用先進文本處理算法并結合系統(tǒng)通過大量新聞訓練出的主題模型,準確提取新聞主題類型,再結合用戶的興趣愛好,將用戶感興趣的新聞及時推薦給他們。最后,本系... 

【文章來源】：景德鎮(zhèn)陶瓷大學江西省

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

推薦系統(tǒng)的基本任務是聯(lián)系用戶和新聞內(nèi)容用戶

（1）用戶姓名和性別，年齡和職業(yè)，學歷和收入等基本信息；（2）用戶通過輸入的關鍵詞、主題；用戶對自己喜歡的信息或不喜行標注等自己的主動提供的信息；（3）用戶在閱讀過程中對內(nèi)容進行評論和分享，轉載和收藏等還，數(shù)、瀏覽時間和頻率等隱性信息[22]；（4）推進對象相關特點、屬性。根據(jù)信息的特點，有些數(shù)據(jù)是穩(wěn)定的，有些數(shù)據(jù)是變化的，如何通用戶真正的興趣愛好是本模塊的難點。2.3 推薦對象模塊推薦對象模塊是根據(jù)推薦對象的特征建立對象特征模型，與需要推行比較，得出需要推薦的對象特征。2.3.1 推薦對象建模流程推薦對象建模過程如圖 2.4 所示

圖 2.5 基于用戶的協(xié)同過濾過程該推薦方法主要工作是找到最近鄰居并產(chǎn)生推薦；最近鄰居尋找是這里的和最近鄰居相似性越高就和目標用戶越接近。所以用 sim（i，j）表示用戶戶 j 之間的相似性。用 m 維向量表示每個用戶對推薦對象的評分，用不同向量間的相似度度量用戶間的相似度，如圖 2.6 所示。用戶用戶＋項目評價矩陣 尋找用戶最近鄰居對未評價項目評分尋找對象最近鄰居推薦評分最高的若干個項目IB-CF 過程

【參考文獻】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡概述[J]. 侯宇昆.  中國新通信. 2017(09)
[2]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[3]卷積神經(jīng)網(wǎng)絡的研究進展綜述[J]. 楊斌,鐘金英.  南華大學學報(自然科學版). 2016(03)
[4]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應用. 2016(09)
[5]基于全文檢索的文本相似度算法應用研究[J]. 王格,吳釗,李向.  計算機與數(shù)字工程. 2016(04)
[6]社交網(wǎng)站用戶興趣模型研究[J]. 徐曉彤,胡松筠.  科技和產(chǎn)業(yè). 2014(11)
[7]關聯(lián)爆發(fā)主題模式挖掘方法研究綜述[J]. 黃永文.  現(xiàn)代圖書情報技術. 2012(10)
[8]LDA算法及其在人臉識別中的應用[J]. 謝永林.  計算機工程與應用. 2010(19)
[9]中文分詞算法研究[J]. 劉件,魏程.  微計算機應用. 2008(08)
[10]網(wǎng)絡用戶信息獲取語言使用行為研究[J]. 賴茂生,屈鵬.  現(xiàn)代圖書情報技術. 2008(06)

博士論文
[1]社會化電子商務用戶信息采納過程及影響因素研究[D]. 耿榮娜.吉林大學 2017
[2]基于用戶分解和社交融合的推薦算法研究[D]. 王智謹.華東師范大學 2016
[3]融合新聞采集與呈現(xiàn)[D]. 劉冰.山東大學 2015
[4]個性化信息推薦中若干關鍵問題與技術研究[D]. 殷風景.國防科學技術大學 2014
[5]基于面向?qū)ο笏枷牒偷湫陀脩羧航M的個性化推薦方法研究[D]. 譚昶.中國科學技術大學 2014
[6]Web導航中用戶認知特征及行為研究[D]. 王秀峰.南京大學 2013
[7]文本分類中詞共現(xiàn)關系的研究及其應用[D]. 章舜仲.南京理工大學 2010
[8]基于內(nèi)容相關度計算的文本結構分析方法研究[D]. 鐘茂生.上海交通大學 2010
[9]我國網(wǎng)絡傳媒的文化產(chǎn)業(yè)經(jīng)營研究[D]. 詹恂.四川大學 2005

碩士論文
[1]基于用戶特征數(shù)據(jù)的內(nèi)容推薦方法的研究與應用[D]. 曹建新.北方工業(yè)大學 2017
[2]實時新聞推薦系統(tǒng)的設計與實現(xiàn)[D]. 王珂.北京交通大學 2017
[3]基于主題模型與用戶興趣的個性化新聞推薦算法研究[D]. 司吉峰.西安電子科技大學 2015
[4]基于3G手機的個性化信息推薦系統(tǒng)的設計與實現(xiàn)[D]. 陳傳敬.中國石油大學(華東) 2014
[5]基于用戶情境的論壇個性化推薦模型研究[D]. 應中運.西南大學 2014
[6]信息無障礙移動推薦系統(tǒng)[D]. 鄧涵.西南財經(jīng)大學 2014
[7]Google和Yahoo的阿拉伯語搜索效果對比分析[D]. 孫舒.北京外國語大學 2013
[8]推薦系統(tǒng)中信息相似度的研究及其應用[D]. 高鵬.上海交通大學 2013
[9]基于Web的用戶個性化服務研究[D]. 田鳳珍.河北農(nóng)業(yè)大學 2011
[10]基于Web2.0的個性化服務系統(tǒng)在電子商務中的應用研究[D]. 張欣悅.中南林業(yè)科技大學 2011



本文編號：3075029