校園頭條中個性化推薦技術(shù)研究.pdf

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