基于社交信号的个性化新闻推荐系统的设计与实现

发布时间：2017-06-19 10:14

  本文关键词：基于社交信号的个性化新闻推荐系统的设计与实现，由笔耕文化传播整理发布。

【摘要】：近年来随着网络技术的快速发展,信息呈爆炸式增长而造成信息量过载,导致用户想要在网络中找到有用的信息变得愈加困难。而门户网站、搜索引擎这些传统的方法并不能有效的解决这个问题,个性化推荐系统应运而生。个性化推荐系统通常是建立在海量数据挖掘基础上的一种高级商业智能平台,通过对用户的历史信息、行为的分析,过滤用户不感兴趣的信息,并预测其偏好及潜在的兴趣而进行有效的推荐从而改善用户的使用体验。 新闻媒体也面临同样的挑战,新兴的新闻媒体开始采用个性化新闻推送机制,这方面的研究也不断涌现。目前,所使用的个性化新闻推荐系统包括：基于内容的推荐、协同过滤推荐、基于网络结构的推荐和混合推荐。它们都面临着一些共有的问题,如冷启动、准确度和召回率低、个性化过度等等,这些问题的解决可以从根本上极大地促进推荐系统的研究与应用。 本文研究并综合了在个性化推荐领域的相关研究成果,探索性的将社交化的用户信号量应用在个性化新闻推荐系统当中,主要思路以及工作成果包括： (1)将用户的社交信号与新闻用户的点击历史记录相结合； (2)更加准确的判断用户兴趣,给出更合理、准确、综合的推荐结果。 (3)创新性地提出以用户社交维度为辅助信号量计算用户兴趣模型,并且通过公众兴趣以及反馈机制提高推荐准确度。 (4)以上述思路为出发点,结合实时性、数据规模、推荐准确度等因素,实现了一个个性化的新闻推荐系统。 本文的研究成果为改进新闻推荐的实时性、新颖性、准确性、冷启动等问题提供了一种新的思路,在此基础上,可以进一步细化用户信号对于推荐过程的作用,扩展到其他信号量如搜索记录或者其他社交来源从而进一步提高用户、新闻的匹配精确度。
【关键词】：新闻 个性化推荐 协同过滤 数据挖掘 机器学习
【学位授予单位】：中国科学院大学（工程管理与信息技术学院）
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-18
• 1.1 研究背景与意义10-11
• 1.2 本课题的相关领域和研究进展11-15
• 1.2.1 个性化推荐及其相关领域11-12
• 1.2.2 个性化推荐系统实例12-13
• 1.2.3 个性化新闻推荐技术研究进展13-15
• 1.3 本文主要研究内容15-18
• 第二章 推荐相关算法分析18-26
• 2.1 推荐算法概述18-24
• 2.1.1 基于内容的推荐18-20
• 2.1.2 基于协同过滤的推荐20-21
• 2.1.3 混合推荐21-22
• 2.1.4 算法评价22-24
• 2.2 TF-IDF摘要技术24-25
• 2.3 余弦相似度25
• 2.4 本章小结25-26
• 第三章 基于社交信号的推荐算法优化26-38
• 3.1 社交信号分析26-27
• 3.2 基于社会化标签的用户兴趣27-28
• 3.3 基于社会化标签的内容过滤推荐算法28-36
• 3.3.1 用户社交信号模型28-29
• 3.3.2 基于标签的改进型内容推荐29-33
• 3.3.3 社交信号优化冷启动问题33-34
• 3.3.4 公众兴趣、个人兴趣混合34-35
• 3.3.5 用户反馈机制35-36
• 3.3.6 兴趣衰减机制36
• 3.4 本章小结36-38
• 第四章 基于社交信号的新闻推荐系统实现38-58
• 4.1 新闻推荐系统需求分析38-41
• 4.1.1 新闻推荐系统需求概述38-39
• 4.1.2 系统功能需求描述39-40
• 4.1.3 系统性能需求40
• 4.1.4 系统容错需求40-41
• 4.2 概要设计41-44
• 4.2.1 技术实现平台41-42
• 4.2.2 总体架构设计42-43
• 4.2.3 模块描述43
• 4.2.4 推荐算法概要43-44
• 4.3 详细设计44-53
• 4.3.1 数据流图44-45
• 4.3.2 数据存储设计45-47
• 4.3.3 新闻抓取爬虫47-48
• 4.3.4 数据处理导管48-50
• 4.3.5 社交网络集成模块50-52
• 4.3.6 前端用户交互界面52-53
• 4.3.7 辅助模块53
• 4.4 系统集成与检验53-57
• 4.4.1 测试数据准备53-54
• 4.4.2 试验方法54-56
• 4.4.3 评价标准56
• 4.4.4 实验结果分析56-57
• 4.4.5 系统评价57
• 4.5 本章小结57-58
• 第五章 结论与展望58-62
• 5.1 主要工作总结58-59
• 5.2 后续工作展望59-62
• 参考文献62-66
• 致谢66-68
• 个人筒历、在学期间发表的论文与研究成果68

【参考文献】

中国期刊全文数据库 前10条

1 杨莉云;;协同过滤技术中相似度计算问题研究[J];福建电脑;2010年06期

2 蒲国林;王刚;向伟;杨勇智;;基于内容的个性化新闻推荐[J];四川文理学院学报;2013年05期

3 丁振国,陈静;基于关联规则的个性化推荐系统[J];计算机集成制造系统-CIMS;2003年10期

4 李磊;王丁丁;朱顺痣;李涛;;Personalized News Recommendation:A Review and an Experimental Investigation[J];Journal of Computer Science & Technology;2011年05期

5 彭菲菲;钱旭;;基于用户关注度的个性化新闻推荐系统[J];计算机应用研究;2012年03期

6 陈炯;张永奎;;一种基于文档差异度的Web突发事件新闻个性化推荐算法[J];计算机应用与软件;2010年11期

7 岑咏华,甘利人,丁晟春;基于内容的Web个性化推荐技术研究[J];图书情报工作;2003年08期

8 江秀佳;何源光;;国内电子商务个性化推荐系统改进研究[J];图书情报工作;2009年16期

9 易明;毛进;邓卫华;;基于社会化标签网络的细粒度用户兴趣建模[J];现代图书情报技术;2011年04期

10 刘建国;周涛;汪秉宏;;个性化推荐系统的研究进展[J];自然科学进展;2009年01期

  本文关键词：基于社交信号的个性化新闻推荐系统的设计与实现，，由笔耕文化传播整理发布。

本文编号：462228