基于用户兴趣偏好社交关系的个性化新闻推荐系统设计与实现

发布时间：2024-01-29 21:03

　　随着互联网web2.0时代来临,如何能够阅读到感兴趣的新闻已经成为众多网民生活的重要问题。然而在海量的互联网新闻中,人们往往只能被迫的看编辑推给我们的新闻。因此推荐系统应运而生,作为一种有效的解决这种问题的手段在学术界得到广泛的研究,并在工业界得到有效的应用。本文针对新闻推荐领域的仍存在的问题展开研究。主要的研究工作如下:(1)提出了一种基于用户隐式社交关系的个性化新闻推荐方法。用户显式社交关系中可以获得相似的用户群体偏少,相反用户的隐式关系能够挖掘到与用户更多相似的用户群体。基于这种现象我们从新闻数据集构建用户隐式社会关系,然后根据泊松矩阵分解建模用户的隐式影响概率,从而生成用户的新闻推荐列表。(2)为了解决用户兴趣偏好特征构建不够准确的问题,提出了一种基于用户搜索记录和兴趣偏好的个性化新闻方法。通过从用户的搜索记录中构建外源的用户兴趣偏好,然后利用提出的两种偏好融合的方法生成最终的推荐列表。在真实的新闻数据集上进行实验测试,结果表明该方法有很好的推荐效果。(3)针对新闻推荐中普遍存在的冷启动和数据稀疏性问题,提出了一种基于深度网络的个性化新闻推荐模型。通过对用户和新闻进行深度网络编...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状及研究内容
        1.2.1 基于用户隐式社交关系的个性化新闻推荐方法
        1.2.2 基于用户搜索记录和兴趣偏好的个性化新闻推荐方法
        1.2.3 基于深度网络的个性化新闻推荐方法
        1.2.4 新闻推荐系统
    1.3 论文组织结构
第二章 基于用户隐式社交关系的个性化新闻推荐方法
    2.1 引言
    2.2 推荐方法
        2.2.1 用户隐式社交关系
        2.2.2 用户影响与泊松分布
        2.2.3 用户影响的群体建模
        2.2.4 模型生成过程
    2.3 实验结果和分析
        2.3.1 数据集和实验环境
        2.3.2 评价指标
        2.3.3 实验结果和分析
    2.5 本章小结
第三章 基于用户搜索记录和兴趣偏好的个性化新闻推荐方法
    3.1 引言
    3.2 推荐方法描述
        3.2.1 用户搜索记录构建
        3.2.2 用户搜索记录与新闻阅读记录结合
        3.2.3 时间序列模型
        3.2.4 方法描述
    3.3 实验结果分析
        3.3.1 数据集和实验环境
        3.3.2 实验方法和评价指标
        3.3.3 实验结果和分析
        3.3.4 参数调整
    3.4 本章小结
第四章 基于深度网络的个性化新闻推荐方法
    4.1 引言
    4.2 推荐方法描述
        4.2.1 协同深度嵌入网络
        4.2.2 模型结构
        4.2.3 方法描述
    4.3 实验结果与分析
        4.3.1 数据集和实验环境
        4.3.2 评价指标
        4.3.3 实验结果和分析
    4.4 本章小结
第五章 基于用户兴趣偏好和用户关系的个性化新闻推荐系统设计
    5.1 需求分析
    5.2 系统总体设计
        5.2.1 系统体系架构
            5.2.1.1 模型层详细设计
        5.2.2 系统功能模块及流程
        5.2.3 数据库设计
        5.2.4 推荐列表的生成过程
    5.3 本章小结
第六章 新闻推荐系统的实现与测试
    6.1 系统实现
        6.1.1 系统主要使用技术
        6.1.2 服务端API
        6.1.3 功能实现
    6.2 模块测试
        6.2.1 测试环境
        6.2.2 模块测试
            6.2.2.3 后台管理模块测试
        6.2.3 系统性能测试
    6.3 本章小结
第七章 总结与展望
    7.1 总结
    7.2 展望
参考文献
致谢



本文编号：3888832