基于协同过滤的个性化新闻推荐系统的设计与实现

发布时间：2023-03-25 00:49

　　随着网络信息的急剧增长,用户难以准确、高效地检索到自己感兴趣的内容。个性化推荐技术因此应运而生,有效地解决了这一问题。个性化新闻推荐系统是基于个性化推荐技术,根据用户以往的阅读习惯,把用户可能感兴趣的新闻推送给用户的系统。它给用户带来了个性化定制的服务体验,能有效地增强用户粘度,避免用户流失。本文重点研究内容包括提出个性化新闻推荐模型、改进传统协同过滤算法以及结合移动平台实现个性化新闻推荐系统。其中个性化新闻推荐模型包括四个模块,分别为新闻分类、用户兴趣分析、用户聚类和推荐结果生成;协同过滤算法的改进包括使用用户评分均值加上物品受欢迎程度对缺省值进行填充来解决数据稀疏性问题,以及使用时间衰减函数对用户评分数据设置时间权重来解决用户兴趣迁移问题;个性化新闻推荐系统的实现包括对系统进行需求分析,对系统的设计思路和实现方法进行介绍,以及将改进后的推荐算法融入到系统中,最终实现个性化新闻推荐系统的开发。本文提出了个性化新闻推荐模型,并且对传统协同过滤算法进行了改进,最后在安卓系统的基础上设计并实现了基于协同过滤的个性化新闻推荐系统。本文设计并实现的个性化新闻推荐系统,符合移动互联网的时代背景,...

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 论文内容与结构
    1.4 本章小结
2 个性化推荐系统的相关技术
    2.1 个性化推荐技术
        2.1.1 协同过滤推荐技术
        2.1.2 基于内容的推荐技术
        2.1.3 混合推荐技术
    2.2 协同过滤推荐技术
        2.2.1 基于用户的协同过滤推荐技术
        2.2.2 基于项目的协同过滤推荐技术
    2.3 文本聚类技术
        2.3.1 文本特征表示
        2.3.2 文本表示模型
        2.3.3 文本距离计算
        2.3.4 文本聚类算法
    2.4 安卓开发的相关技术
        2.4.1 安卓系统架构
        2.4.2 安卓组件介绍
        2.4.3 安卓开发技术
    2.5 本章小结
3 个性化新闻推荐模型与改进算法的实验与验证
    3.1 个性化新闻推荐模型
        3.1.1 新闻分类
        3.1.2 用户兴趣分析
        3.1.3 用户聚类
        3.1.4 生成推荐列表
    3.2 改进的协同过滤推荐算法的实验与验证
        3.2.1 协同过滤推荐算法存在问题分析
        3.2.2 协同过滤推荐算法的改进
        3.2.3 改进的协同过滤推荐算法的实验与验证
    3.3 本章小结
4 个性化新闻推荐系统的需求分析与设计
    4.1 总体需求概述
        4.1.1 个性化推荐模块的需求分析
        4.1.2 客户端模块的需求分析
        4.1.3 服务器端模块的需求分析
    4.2 功能需求
        4.2.1 新闻资讯阅览
        4.2.2 新闻视频阅览
        4.2.3 用户数据统计
    4.3 代码开发需求
    4.4 个性化新闻推荐系统的结构设计
    4.5 个性化新闻推荐系统的功能模块设计
    4.6 本章小结
5 个性化新闻推荐系统的实现
    5.1 个性化新闻推荐系统的数据库设计
    5.2 个性化新闻推荐算法模块的实现
        5.2.1 新闻采集模块
        5.2.2 新闻预处理模块
        5.2.3 新闻聚类模块
        5.2.4 新闻推荐模块
    5.3 个性化新闻推荐客户端模块的实现
        5.3.1 用户登录模块
        5.3.2 新闻栏目管理模块
        5.3.3 新闻浏览模块
        5.3.4 视频播放模块
        5.3.5 用户数据统计模块
    5.4 本章小结
6 系统测试
    6.1 系统测试概述
        6.1.1 测试目的和范围
        6.1.2 测试环境和工具
    6.2 功能测试
    6.3 性能测试
    6.4 本章小结
7 总结与展望
    7.1 论文总结
    7.2 未来展望
致谢
参考文献
附录



本文编号：3770192