论文部分内容阅读
如今,整个互联网在快速发展和广泛应用下,网络信息已经处于一个过载的状态,然而有很大一部分用户接受最新的信息是通过网络的。相对于传统的新闻网站只是将热门的信息推送给用户,导致所有的用户获得的新闻都是一样的,用户不能在这些新闻中快速而有效的获取到自己真正关注的信息,而资讯推荐系统是应用推荐算法在用户的历史行为数据中挖掘出用户的偏好进行资讯推荐的,因此,个性化资讯推荐方法也获得了很大的重视。本文主要是在基于用户主题兴趣模型的基础上,计算出用户的兴趣主题模型分布,同时采用主题建模方法对新闻资讯文本内容完成建模,计算出文章的主题分布,最后采用基于内容的推荐算法,将用户主题分布与文章主题分布相似的文章推荐给用户。具体完成的研究工作有如下:(1)首先对个性化推荐中的重要算法和涉及到的技术进行分析并对比,最终得出本系统所采用的是基于内容的推荐算法。(2)本文采用的是基于移动用户画像的个性化推荐,其中是根据用户的用户画像分析出每个用户的在资讯上的兴趣特征,建立用户的兴趣模型,从而计算出用户的主题分布,另一方面,采用LDA(Latent Dirichlet Allocation)主题模型对大量新闻资讯进行机器训练得出文章主题,建立文章的主题模型,再计算出文章的主题分布,将用户的主题分布和文章的主题分布相似的进行推荐,推荐方法采用的是基于各权值的排序算法实现对用户推荐列表的更新。设计了离、在线模块及时的预测出非活跃和活跃用户的兴趣分布,能够做到实时的对这些用户做出推荐。(3)本文设计并实现了个性化资讯推荐系统,并对该系统做了性能和功能方面的测试,验证了系统的功能和性能,并通过数据来说明推荐系统的效果提升。