校園頭條中個性化推薦技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩51頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、近年來,隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展和智能手機的全面普及,新聞資訊相關(guān)的應(yīng)用逐漸從電腦端走向手機端,以今日頭條為代表的個性化新聞資訊瀏覽平臺自出現(xiàn)以來,就受到業(yè)界和研究者的廣泛關(guān)注。新聞資訊推薦平臺擁有海量資訊內(nèi)容,在為用戶提供實時新聞資訊的同時,也帶來了信息過載的挑戰(zhàn),個性化資訊推薦技術(shù)應(yīng)運而生。目前已有的資訊推薦技術(shù)大多著眼于大眾情感分析,沒有專門針對校園特點的資訊策略。
  校園頭條是一款針對高校校園的個性化新聞資訊發(fā)布平臺,集

2、成校園信息系統(tǒng),對在校師生進行個性化資訊推送。本文分析傳統(tǒng)的新聞資訊推薦技術(shù)中的優(yōu)點與不足,挖掘校園用戶的行為特點,提出基于用戶行為的隱式評分填充方法;引入主題模型挖掘資訊的內(nèi)容特征,從用戶和項目兩個角度進行分析,提出基于多維度修正的個性化資訊推薦算法。
  本文主要研究內(nèi)容如下:
  (1)分析校園頭條的用戶行為特點,針對不同的行為特征,賦予基于經(jīng)驗的權(quán)重值。根據(jù)用戶的行為和對應(yīng)的權(quán)重值,對推薦系統(tǒng)中的用戶-項目矩陣進行隱

3、式評分填充,增加矩陣密度。分析不同用戶的行為集合,提出一種計算用戶之間行為相似度的方法。
  (2)引入LDA主題模型,分析資訊的內(nèi)容特征,抽象出資訊的主題向量模型。根據(jù)主題向量模型,提出一種資訊之間的內(nèi)容相似度計算方法。進一步結(jié)合用戶行為權(quán)重,提出一種加權(quán)的計算用戶關(guān)注內(nèi)容的相似度的方法。
  (3)以用戶之間的行為相似度的計算方法和資訊之間內(nèi)容相似度的計算方法為基礎(chǔ),本文提出了基于多維度修正的個性化資訊推薦算法。算法從用

4、戶和項目兩個維度進行分析,用戶維度考慮了用戶的行為相關(guān)性和關(guān)注的內(nèi)容的相似度,項目維度考慮了資訊之間主題的相似程度和用戶評分中隱藏的關(guān)聯(lián)。
  (4)針對協(xié)同過濾算法中存在的稀疏性問題,本文以隱式評分填充為基礎(chǔ),提出項目重合度修正因子。針對概念漂移問題,提出時間衰減因子。針對資訊熱度對推薦結(jié)果的影響,嘗試提出一種新聞熱度修正因子。
  (5)基于校園頭條的運營數(shù)據(jù)集,實現(xiàn)基于多維度修正的個性化資訊推薦算法,并進行實驗分析。實

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論