<p id="phbtt"><th id="phbtt"><progress id="phbtt"></progress></th></p>
<span id="phbtt"></span>

    <em id="phbtt"></em>

    <ins id="phbtt"></ins>

    <em id="phbtt"><strike id="phbtt"><dfn id="phbtt"></dfn></strike></em>
    <dfn id="phbtt"></dfn>

    計算機軟件論文欄目提供最新計算機軟件論文格式、計算機軟件碩士論文范文。詳情咨詢QQ:357500023(論文輔導)

    基于協同過濾算法的新聞推薦系統的設計與實現

    日期:2022年03月06日 編輯:ad201107111759308692 作者:無憂論文網 點擊次數:43
    論文價格:150元/篇 論文編號:lw202202231214305645 論文字數:33263 所屬欄目:計算機軟件論文
    論文地區:中國 論文語種:中文 論文用途:碩士畢業論文 Master Thesis

    本文是一篇計算機軟件論文,本系統首先分析新聞的文本信息,系統自動對新聞消息提取關鍵字,組建一個包含用戶興趣指標的數據集,通過歷史行為數據,構建用戶閱讀興趣模型。然后通過用戶畫像模型分析得到一個關聯內容的權重排序的集合結果,向用戶推薦新聞。

    第 1 章  引言

    1.1  研究背景與意義

    1.1.1 研究背景

    信息的傳播方式及傳播速度因互聯網的發展產生了很大的變化,從而使人們在獲取信息的途徑上產生多樣化趨勢[1]。移動互聯網和智能設備的快速發展,使人們能夠快速、輕松地獲取信息,并及時了解新聞[3]。新聞最重要的價值是源于它有時效性,因此新聞傳播必須要依靠互聯網這個載體,使其發揮出更大的價值[2]。2014 年-“媒體融合的第一年”,新興媒體在今年開始迅速發展,為傳統媒體帶來了強烈沖擊[4]。

    電商領域需要為顧客提供個性化推薦,個性化推薦技術也就得到迅速發展,同事也影響到了諸多的領域:與人交往、書籍閱讀、影視產業等等。尤其是對于傳統的新聞行業,因為新聞是大家關注的熱點,每天都會有海量的信息數據在傳輸,也就使得受眾群體無法及時獲取對自己感興趣的有用的價值消息[5]。觀眾體驗感大大減少,被各種繁多復雜的新聞信息所包圍。

    大量信息已成為必須面對并解決的問題,因此信息過濾技術已經成為搜索引擎以及協同過濾這樣的技術[6]。搜索引擎就是在互聯網的海量信息中采集數據、分析數據,根據索引搜索查詢新聞信息。協同過濾是通過分析兩種事物的聯系,進行分類,發現之間的密切關系,在這個基礎上對今后進行預判,從而幫助用戶獲取有效信息[7]。

    協同過濾推薦基于用戶、基于物品、基于模型三種模式。根據每個使用者的個人瀏覽記錄、評論以及評分信息對新聞進行協同過濾?;趦热莸耐扑]是對信息的內容開展分析,根據閱讀歷史信息選取相類似的信息推送給使用者。上述技術將在隨后的章節中詳細分析。

    1.2  國內外研究現狀

    1.2.1  國內研究現狀

    國內的推薦技術應用基礎薄弱,起步較晚,與國外存在明顯差距。但是,國內的個性化推薦技術也在不斷發展[13]。

    清華大學的“Open Bookmark”與南京大學的“DOLTRI-Agent”在代理之間進行消息傳遞,數據挖掘。系統分析用戶興趣特征以實現個性化推薦。  達到學習用戶興趣特征的目的。目前,國內研究者廣泛將代理技術應用于個性化推薦技術[14]。

    使用個性化推薦技術的是豆瓣。  它反映在豆瓣的電影,書籍,相冊和日志中。豆瓣的每個頁面相關按鈕將收集有關用戶瀏覽信息的信息[15]。比如:  如果您想觀看喜歡的電影,本書的頁面布局將收集信息,例如用戶是在閱讀還是想要閱讀。系統采集到感興趣的電影的數量不斷增加,就會提供更多符合個人興趣的精準個性化需求。

    2003 年百度推出了新程序:百度新聞搜索。根據用戶的歷史數據真實地分析用戶的興趣[16]。  主要工作流程如下:首先,每天對新聞信息的關鍵字分類進行分類和更新。 由于正在處理大量新聞,更新的頻率要快得多,遠遠超過其他網站。  用戶可以通過地域關鍵字人們普遍關注的熱點話題來尋找相應新聞信息。

    需要集成在線個人圖書館和知識管理平臺。通過 360doc 網站實現社交功能,把優秀的文章、信息添加到收藏夾,分享到朋友圈,甚至達成文檔在線交易。與此同時,該網站的注冊用戶數量達到 300 多萬,文章數量達到數千萬[17]。但是還應清晰地意識到,優質的文章數量還是太少。個性化推薦對于解決這一棘手問題尤其重要[18]。文章間的相似度通過系統篩查分析整理之后根據用戶的收藏和搜索記錄進行優質推薦。一是推薦感興趣的文章信息。  第二是推薦具有相同興趣的朋友。

    第 2 章  相關技術綜述

    2.1  推薦系統概述

    傳統新聞的傳播方式使得每個新聞閱讀者看到的都是一致的內容,有些千人一面。其主要原因是刊登在報紙上或者是門戶網站上的新聞都是基于新聞類別進行不同板塊的劃分,選取的新聞素材相同,編輯分類也趨于一致。

    推薦系統所研究的核心問題是如何挖掘用戶偏好,建立一個用戶畫像模型用來預測用戶喜好程度。系統主導用戶,為用戶提供信息高低排序,培養閱讀習慣,以此引導用戶行為,使得用戶越來越依靠網站,提高用戶使用忠誠度[20]。

    推薦系統使得無效信息不可能在用戶的視野中累積。重要的是主要解決了 Internet上信息過載的問題,并通過推薦系統過濾 Internet 的信息。與此同時,從用戶的使用數據中獲得用戶的興趣偏好,進而分析這些數據,為用戶推薦相關信息。是為了保障用戶在獲取信息的過程中,能夠極大地滿足個人需求。這需要用戶需求和資源之間建立推薦機制,這是系統的最大價值。

    2.2  推薦技術研究現狀

    2.2.1  協同過濾推薦技術

    (1)基于物品的協同過濾(Item-based)。

    基于物品的協同過濾側重于基于物品的推薦。例如天貓商品、當當網書籍等。該算法實現的基礎是需要在用戶會對自己感興趣東西的相似物品產生一樣的興趣,關鍵是根據物品與物品之間相似程度進行分析[21]。

    那么使用什么方式去度量物品與物品之間的相似性重要的研究方向,余弦相似度算法是目前為止已經得到證明的算法,并且已經得到了有效驗證。針對于新聞,世界各地每時每刻都會產生海量的新聞,而且用戶在閱讀時都有一種泛讀的特點夾雜在其中,將每一篇新聞單獨看作一件物品進行推薦,那么推薦結果的精確度就顯得十分重要了。

    (2)基于用戶(User-Based)的推薦

    基于物品的算法與基于用戶的算法的產生是相對的,他們的側重點不同?;谟脩羰莻戎赜谒阉飨嗨朴脩?,將用戶之間具有關注的相似興趣事物推薦給用戶。它的邏輯思路是根據不同的用戶行為歷史數據進行分析,根據分析結果篩選出具有相似性的用戶,將具有高度相似性的且未推薦的事物集合向用戶推薦。主體是用戶與用戶之間的相似度,找到用戶感興趣的相似內容,分析用戶的評論、點贊等,找到相似且評論、點贊程度最高的內容推送給用戶。

    像這種直接的邏輯思路經常出現在日常的生活場景當中。例如,兩個人之所以能夠成為朋友常常是因為他們有相同的興趣和愛好,就瀏覽新聞而言,他們對同一類型的新聞產生興趣的概率大于任意兩個人具有相同興趣的概率。如若任意的兩個人對同一類新聞都產生了極大的興趣,那么,兩個人極有可能具有相同興趣點,可能會對對方感興趣的新聞產生興趣[22]。

    計算機軟件論文怎么寫

    第 3 章 系統的需求分析 ............................. 9

    3.1  系統非功能性需求分析 ........................................ 9

    3.2 系統功能性需求分析 ......................................... 9

    第 4 章 系統的總體設計 ............................... 15

    4.1  系統的總體模塊設計 .......................................... 15

    4.2  數據庫設計 .................................. 15

    第 5 章 系統的詳細設計 .................................. 25

    5.1  新聞展示模塊設計 ............................ 25

    5.2  后臺首頁模塊設計 ............................. 25 

    第 7 章 系統的測試

    7.1  測試方法

    使用黑盒測試方法中的邊界值測試以及等價類劃分,進行功能性測試。目的是為了檢查本系統的功能設計是否可以根據需求正常使用,對功能和數據的操作是否可以反饋出正確的輸出信息,各個業務流程能夠滿足用戶需求。主要是手工對系統進行測試。

    計算機軟件論文參考

    第 8 章 總結與展望

    8.1  總結

    本系統首先分析新聞的文本信息,系統自動對新聞消息提取關鍵字,組建一個包含用戶興趣指標的數據集,通過歷史行為數據,構建用戶閱讀興趣模型。然后通過用戶畫像模型分析得到一個關聯內容的權重排序的集合結果,向用戶推薦新聞。

    本文完成主要工作如下:

    (1)對本系統用到的技術進行了詳細的介紹,包括開發框架、開發模式,所使用的數據庫,使用到的推薦技術,之后對系統進行了需求分析,包括功能性需求分析、非功能性需求分析。

    (2)根據本文使用用戶興趣相似性的模型,對推薦系統進行整體構思,包括總體模塊功能設計、數據庫設計、詳細設計。詳細的討論了以用戶為設計中心的設計理念。

    (3)對新聞推薦系統進行了詳細的實現和測試,主要從測試方法、測試環境、測試用例三個方面進行闡述。

    參考文獻(略)

    該論文為收費論文,請加QQ1135811234聯系客服人員購買全文
    色综合久久久无码中文字幕

    <p id="phbtt"><th id="phbtt"><progress id="phbtt"></progress></th></p>
    <span id="phbtt"></span>

      <em id="phbtt"></em>

      <ins id="phbtt"></ins>

      <em id="phbtt"><strike id="phbtt"><dfn id="phbtt"></dfn></strike></em>
      <dfn id="phbtt"></dfn>