基于主題模型的資訊推薦系統(tǒng)的研究與實現(xiàn).pdf

1、如今，整個互聯(lián)網(wǎng)在快速發(fā)展和廣泛應用下，網(wǎng)絡信息已經(jīng)處于一個過載的狀態(tài)，然而有很大一部分用戶接受最新的信息是通過網(wǎng)絡的。相對于傳統(tǒng)的新聞網(wǎng)站只是將熱門的信息推送給用戶，導致所有的用戶獲得的新聞都是一樣的，用戶不能在這些新聞中快速而有效的獲取到自己真正關(guān)注的信息，而資訊推薦系統(tǒng)是應用推薦算法在用戶的歷史行為數(shù)據(jù)中挖掘出用戶的偏好進行資訊推薦的，因此，個性化資訊推薦方法也獲得了很大的重視。
　　本文主要是在基于用戶主題興趣模型的基礎(chǔ)上

2、，計算出用戶的興趣主題模型分布，同時采用主題建模方法對新聞資訊文本內(nèi)容完成建模，計算出文章的主題分布，最后采用基于內(nèi)容的推薦算法，將用戶主題分布與文章主題分布相似的文章推薦給用戶。具體完成的研究工作有如下：
　?。?）首先對個性化推薦中的重要算法和涉及到的技術(shù)進行分析并對比，最終得出本系統(tǒng)所采用的是基于內(nèi)容的推薦算法。
　　（2）本文采用的是基于移動用戶畫像的個性化推薦，其中是根據(jù)用戶的用戶畫像分析出每個用戶的在資訊上的興趣

3、特征，建立用戶的興趣模型，從而計算出用戶的主題分布，另一方面，采用LDA（Latent Dirichlet Allocation）主題模型對大量新聞資訊進行機器訓練得出文章主題，建立文章的主題模型，再計算出文章的主題分布，將用戶的主題分布和文章的主題分布相似的進行推薦，推薦方法采用的是基于各權(quán)值的排序算法實現(xiàn)對用戶推薦列表的更新。設計了離、在線模塊及時的預測出非活躍和活躍用戶的興趣分布，能夠做到實時的對這些用戶做出推薦。
　　（3