基于用戶(hù)行為的個(gè)性化新聞推薦系統(tǒng)研究.pdf

1、隨著近年來(lái)互聯(lián)網(wǎng)的飛速發(fā)展，個(gè)性化推薦已成為各大主流網(wǎng)站的一項(xiàng)必不可少的服務(wù)。提供各類(lèi)新聞的門(mén)戶(hù)網(wǎng)站是互聯(lián)網(wǎng)上的傳統(tǒng)服務(wù)，但是與當(dāng)今蓬勃發(fā)展的電子商務(wù)網(wǎng)站相比，新聞的個(gè)性化推薦服務(wù)水平仍存在較大差距。一個(gè)互聯(lián)網(wǎng)用戶(hù)可能不會(huì)在線購(gòu)物，但是絕大部分的互聯(lián)網(wǎng)用戶(hù)都會(huì)在線閱讀新聞。因此資訊類(lèi)網(wǎng)站的用戶(hù)覆蓋面更廣，如果能夠更好的挖掘用戶(hù)的潛在興趣并進(jìn)行相應(yīng)的新聞推薦，就能夠產(chǎn)生更大的社會(huì)和經(jīng)濟(jì)價(jià)值。
　　個(gè)性化新聞推薦的主要挑戰(zhàn)是幫助用戶(hù)尋

2、找他們感興趣的文章去閱讀。推薦系統(tǒng)要對(duì)用戶(hù)的歷史閱讀行為進(jìn)行分析，建立模型，最后給用戶(hù)推薦未產(chǎn)生過(guò)行為的新聞。
　　本文以基于用戶(hù)行為的個(gè)性化新聞推薦系統(tǒng)為研究課題，重點(diǎn)研究了用戶(hù)的行為以及如何更準(zhǔn)確、有效地進(jìn)行新聞推薦。主要研究的內(nèi)容共有三個(gè)部分。
　　第一，研究了基于用戶(hù)的行為及用戶(hù)閱讀的新聞主題的推薦算法。該算法在計(jì)算用戶(hù)或新聞相似度時(shí)融合了行為特征及主題特征兩種數(shù)據(jù)，計(jì)算出最終的相似度。緩解了數(shù)據(jù)稀疏性的問(wèn)題。在對(duì)該

3、實(shí)驗(yàn)的過(guò)程中，分析出對(duì)用戶(hù)推薦新聞的過(guò)程中，起主要作用的是用戶(hù)的行為數(shù)據(jù)，說(shuō)明推薦算法的性能主要是靠用戶(hù)的行為數(shù)據(jù)。
　　第二，研究了一種基于隱馬爾可夫模型的推薦算法。該算法主要根據(jù)用戶(hù)對(duì)新聞的行為數(shù)據(jù)來(lái)建立馬爾可夫模型，預(yù)測(cè)用戶(hù)閱讀的下一條新聞。該算法簡(jiǎn)單易懂，不用對(duì)新聞數(shù)據(jù)進(jìn)行文本主題提取，而且算法可自動(dòng)過(guò)濾一些“過(guò)期的”新聞，不用考慮時(shí)間的因素。最后根據(jù)相似的用戶(hù)閱讀新聞的行為具有相似性對(duì)用戶(hù)進(jìn)行聚類(lèi)，改進(jìn)該算法。改進(jìn)后的算