面向移动互联网的个性化新闻推荐算法研究

发布时间：2017-09-12 17:51

  本文关键词：面向移动互联网的个性化新闻推荐算法研究

  更多相关文章： 移动网络 协同过滤 LDA 主题模型 个性化服务 新闻推荐

【摘要】：随着互联网技术的高速发展,移动通信网络与计算机网络迅速融合,越来越多的用户使用移动设备(如智能手机、平板电脑、PAD等)来获取网络服务和信息资源。然而,移动用户在享受丰富多彩的海量信息同时也面临着严重的“信息过载”问题。此外,由于移动设备终端自身的处理能力、网络带宽、显示屏幕大小等限制,人们发现传统的浏览方式和搜索技术已经无法满足当前用户个性化的需求。 移动推荐系统正是在这种需求背景下产生的,它为人们提供了一种全新的个性化服务模式。移动推荐系统(Mobile Recommender Systems)通过收集移动用户的浏览行为,运用个性化推荐技术加以分析,预测用户的兴趣偏好,主动为用户推送满足其个性化需求的信息内容,它是缓解“移动信息过载”的有效技术手段,得到人们越来越多的关注。 本文通过分析移动互联网不同于传统互联网的特点,研究并设计面向移动互联网的个性化推荐算法,并将该算法应用于移动健康新闻推荐领域。 文章的主要工作内容包含如下： 1.为节省移动网络流量和提高阅读效率,设计了一种基于LDA模型的新闻文档自动摘要算法。本文通过计算文档主题分布与句子主题分布之间的相似性,得到了句子主题特征,结合句子在文档中的位置和标题相似性等特征,形成组合特征计算句子权重,最后根据权重排序抽取句子生成新闻摘要。实验结果验证,在LDA模型中加入组合特征后,自动文摘的性能得到了提高。 2.提出一种基于社会化标签和动态兴趣转移模型的协同过滤推荐算法。首先将用户-新闻-标签张量模型根据标签兴趣转移曲线作调整,然后利用社区发现技术划分用户小组,从中提取候选的社会性标签,使用SVD对用户-新闻矩阵R和新闻-标签矩阵Q进行分解重构,最后使用朴素贝叶斯分类器产生Top-N个新闻推荐。实验结果验证,算法加入时间约束因子后提高了推荐精确度。 3.利用本文提出的算法结合Android开发技术,设计开发了一个面向移动互联网的个性化健康新闻推荐系统。
【关键词】：移动网络 协同过滤 LDA 主题模型 个性化服务 新闻推荐
【学位授予单位】：杭州师范大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP393.09;TP391.3
【目录】：

• 致谢5-6
• 摘要6-7
• Abstract7-9
• 目次9-11
• 1. 绪论11-17
• 1.1 课题研究背景及意义11-12
• 1.2 移动推荐系统研究的挑战和热点12-13
• 1.3 本文主要工作和创新点13-14
• 1.4 论文组织结构14-16
• 1.5 本章小结16-17
• 2. 移动互联网推荐系统综述17-30
• 2.1 移动互联网及其特点17-19
• 2.2 网络新闻特点分析19-20
• 2.3 传统互联网个性化推荐技术20-26
• 2.3.1 基于规则的推荐技术(Association rule-based recommendation)21
• 2.3.2 基于内容的推荐技术(Content-based recommendation)21-23
• 2.3.3 协同过滤推荐技术(collaborative filtering recommendation)23-26
• 2.3.4 混合推荐技术(Hybrid recommendation)26
• 2.4 新闻推荐系统的发展现状26-29
• 2.5 本章小结29-30
• 3. 基于组合特征LDA的新闻文档自动摘要算法30-38
• 3.1 LDA主题模型31-33
• 3.2 基于组合特征LDA的新闻自动摘要算法33-35
• 3.2.1 句子的基础特征33-34
• 3.2.2 句子的LDA主题概率特征34-35
• 3.2.3 融合组合特征的关键句抽取35
• 3.3 实验结果35-37
• 3.3.1 实验结果分析36-37
• 3.4 本章小结37-38
• 4. 基于社会化标签和动态兴趣转移模型的协同过滤算法38-47
• 4.1 基于社会化标签的兴趣转移模型的协同过滤算法39-43
• 4.1.1 用户兴趣模型40-42
• 4.1.2 矩阵分解和主动推荐42-43
• 4.2 实验结果与分析43-46
• 4.3 本章小结46-47
• 5. 移动互联网个性化新闻推荐系统设计47-56
• 5.1 系统设计总体框架和功能47-48
• 5.2 系统模块功能设计48-51
• 5.3 系统数据库设计51-53
• 5.4 移动健康新闻推荐APP53-55
• 5.5 本章小结55-56
• 6. 总结与展望56-58
• 6.1 论文总结56
• 6.2 下一步工作展望56-58
• 参考文献58-63
• 作者在攻读硕士学位期间主要的研究成果63

【参考文献】

中国期刊全文数据库 前10条

1 吴永辉;王晓龙;丁宇新;徐军;郭鸿志;;基于主题的自适应、在线网络热点发现方法及新闻推荐系统[J];电子学报;2010年11期

2 王国霞;刘贺平;;个性化推荐系统综述[J];计算机工程与应用;2012年07期

3 宋双永;李秋丹;;面向移动终端的微博信息推荐方法[J];计算机科学;2011年11期

4 陈宏;陈伟;;基于多主题追踪的网络新闻推荐[J];计算机应用;2011年09期

5 王红玲;张明慧;周国栋;;主题信息的中文多文档自动文摘系统[J];计算机工程与应用;2012年25期

6 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期

7 王立才;孟祥武;张玉洁;;上下文感知推荐系统[J];软件学报;2012年01期

8 唐朝;;资源自适应的实时新闻推荐系统[J];计算机工程与设计;2010年20期

9 孟祥武;胡勋;王立才;张玉洁;;移动推荐系统及其应用[J];软件学报;2013年01期

10 刘嘉;都兴中;陈振宇;何铁科;朱庆华;吴清;;移动推荐研究综述[J];情报科学;2012年10期

中国重要会议论文全文数据库 前1条

1 杨潇;马军;杨同峰;杜言琦;邵海敏;;基于主题模型LDA的多文档自动摘要[A];第五届全国信息检索学术会议论文集[C];2009年

中国硕士学位论文全文数据库 前5条

1 张巧;基于用户评论的社会化媒体新闻推荐系统研究[D];西南财经大学;2010年

2 蔡瑞瑜;基于社会上下文约束和物品上下文约束的协同推荐[D];浙江大学;2012年

3 闫树奎;面向移动网络新闻的用户兴趣提取系统的设计与实现[D];北京邮电大学;2012年

4 李伟;基于用户兴趣模型的新闻自动推荐系统[D];复旦大学;2009年

5 余天豪;基于社会网络的主动信息推送算法研究[D];杭州师范大学;2012年

，

本文编号：838665