新聞推薦系統(tǒng)關(guān)鍵技術(shù)的研究與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)和移動技術(shù)的發(fā)展，互聯(lián)網(wǎng)上的新聞以驚人的速度增長，我們已經(jīng)從信息匱乏的時代跨入另一個信息過載的時代，但是用戶面對海量的新聞，卻不能找到自己感興趣的新聞，如何快速地把有價值的新聞準(zhǔn)確推薦給感興趣的用戶成為了一項極富挑戰(zhàn)性的工作。本文通過改進(jìn)的文本聚類算法對新聞基于主題模型進(jìn)行聚類，在不同的類簇下構(gòu)建用戶的興趣模型，并改進(jìn)了興趣的衰減函數(shù)，來實現(xiàn)兼顧準(zhǔn)確率和多樣性的新聞推薦。本文的主要工作包括了以下幾個方面：
　　1、通過研

2、究二分K-Means算法和FCM算法的不足，改進(jìn)了更加適合新聞主題聚類的基于密度二分的K-Means算法和基于密度二分的FCM算法，解決了原始算法聚類結(jié)果不穩(wěn)定，初始中心敏感，易陷入局部最優(yōu)解的不足，并提高了聚類結(jié)果的準(zhǔn)確率。改進(jìn)算法通過啟發(fā)式的優(yōu)化目標(biāo)函數(shù)，基于節(jié)點密度選擇初始聚類中心點，每一次劃分都基于目標(biāo)函數(shù)最小化劃分，具有明確的優(yōu)化方向，聚類結(jié)果更加穩(wěn)定，性能更優(yōu)，解釋性更強(qiáng)。
　　2、基于新聞主題模型的聚類，提出了在不同

3、類簇下的用戶興趣建模，能夠很好的解決可能存在的“一詞多義”問題，使得用戶興趣模型與新聞模型的匹配結(jié)果更加準(zhǔn)確。并從時間上來區(qū)分用戶的穩(wěn)定興趣和隨機(jī)興趣，通過穩(wěn)定興趣的篩選，使得推薦的準(zhǔn)確率更好。同時考慮了用戶興趣隨時間衰減的問題，改進(jìn)了基于指數(shù)函數(shù)的衰減方法，提出了階梯函數(shù)作為興趣的衰減系數(shù)，更加符合實際情況，對于指數(shù)函數(shù)容易衰減為0的情況，修正為衰減為一個略大于0的常數(shù)作為用戶對興趣點的最后保留。
　　3、對于特定類簇下的新加入