基于微博的個性化新聞推薦算法的研究.pdf

1、隨著互聯網技術的發(fā)展，人們獲取新聞的方式也在發(fā)生顯著地變化，從傳統的報紙、雜志向新聞聚合網站發(fā)展，如國內的網易新聞、新浪新聞，國外的谷歌新聞、雅虎新聞等。人們從信息匱乏時代進入信息過載時代。對于這些新聞網站，如何高效精準的通過分析用戶的興趣給用戶推薦新聞成為一個重要的任務。近年來，隨著微博等社交網絡的興起，許多學者試圖通過分析用戶的微博和社交行為來構建用戶的興趣肖像庫，基于微博的用戶興趣研究成為一個新的研究熱點。
　　本文對基于微

2、博的個性化新聞推薦算法進行了研究和分析。主要工作內容如下:
　　針對微博字數少的限制，本文通過詞性標注和微博擴充等手段，擴充了微博的內容，從而更好地表示用戶的興趣;因為新聞屬性的不完整和改善用戶體驗。本文設計了一個組合分類器對新聞文本進行分類并且設計了一個智能摘要算法來對新聞自動生成摘要;為了解決推薦系統的冷啟動問題，受中國餐館過程啟發(fā)，本文提出了一種基于詞向量的推薦算法。為了更好的挖掘用戶和新聞之間的關系，本文通過使用張量來對用

3、戶和新聞建模，基于此提出了一種基于張量分解的推薦算法。通過實驗對比，本文提出的基于詞向量的推薦算法優(yōu)于傳統的基于關鍵詞的內容推薦算法和基于主題模型的推薦算法，而且在用戶發(fā)的微博較少的時候，算法的效果也很好，算法的容錯性、健壯性較好。通過對用戶和新聞間多種關系的挖掘，本文提出的基于張量分解的推薦算法，好于傳統的基于同構網絡的算法。
　　本文還提出了一個完整的基于微博的個性化新聞推薦系統的設計方案，并詳細闡述了系統設計與實現。通過對系