這是一個追求信息的時代,隨著互聯(lián)網(wǎng)技術(shù)的普及,人們獲取信息的途徑越來越容易了。為了滿足人們對信息的渴望追求,各種各樣的新聞資訊類應(yīng)用開發(fā)層出不窮,網(wǎng)絡(luò)新聞通過新聞?wù)故?超鏈接等方式可以容納海量的信息,新聞也更豐富,也越來越多樣化。但是互聯(lián)網(wǎng)上信息數(shù)據(jù)以爆炸式的速度快速增長,產(chǎn)生了許多的垃圾信息并導(dǎo)致了信息過載出現(xiàn)并變得越來越嚴重,信息過載慢慢成為人們迅速爾高效獲取有用資訊信息的一個巨大的障礙,這導(dǎo)致消費者想從大量信息（物品）中找到自己感興趣的信息,信息產(chǎn)出者想讓自己生產(chǎn)的信息脫穎而出從而得到關(guān)注都是一件很難的問題,推薦系統(tǒng)的任務(wù)就是連接用戶和信息（物品）。在信息過載的推動下,推薦系統(tǒng)成為了各大互聯(lián)網(wǎng)公司攻城略地開疆拓土的必備良器。個性化新聞推薦系統(tǒng)就是為了解決信息過載這個問題。為了實現(xiàn)精準的個性化服務(wù)首先便是對用戶進行建模,完善用戶畫像,其次使用現(xiàn)有的推薦算法作為召回操作并參考實際業(yè)務(wù)需求添加符合業(yè)務(wù)的召回方法,為個性化推薦提供較好的推薦底層數(shù)據(jù),然后使用機器學(xué)習(xí)算法中的邏輯回歸模型做點擊率預(yù)估,在這個部分之前我們使用到了最優(yōu)化算法與特征提取等方法對模型進行優(yōu)化,這提高了我們的模型的準... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３－１用戶畫像功能用例圖??Ｆｉｇｕｒｅ?３－１?Ｕｓｅｒ?Ｐｏｒｔｒａｉｔ?Ｕｓｅ?Ｃａｓｅ?Ｄｉａｇｒａｍ??為了實現(xiàn)新聞的個性化推薦，我們要對每一個用戶進行用戶行為挖掘計算得??

召回功能又被細化為六種具體的召回功能，其中包括：熱點召回功能，基于??用戶的協(xié)同過濾召回功能，興趣點召回功能，矩陣分解召回功能，高質(zhì)量文章召??回功能，分類召回功能，用例圖如圖３－２。??熱點召回的主要功能是找到實時的熱點新聞，更新頻率是每一個小時進行一??次。熱點召回功能又被分為兩個部分：熱點公式計算召回與分群熱點模型召回。??分群熱點模型召回它主要使用了用戶人口畫像進行用戶分群，在使用單位時間窗??口內(nèi)的統(tǒng)計數(shù)據(jù)與新聞數(shù)據(jù)通過邏輯回歸模型進行用戶分群下熱點新聞的精確召??回。熱點公式計算的主要作用是使用統(tǒng)計數(shù)據(jù)通過新聞熱點公式計算每條新聞的??熱點得分，以此為新聞熱點評判的標準。??矩陣分解召回功能中只是使用到了用戶ＩＤ與新聞ＩＤ進行計算，它通過補全用??戶－新聞矩陣來粗略的計算用戶對未點擊新聞的預(yù)測點擊率，并按照用戶數(shù)量進行??召回，召回數(shù)量按照預(yù)測點擊率進行排序并截取。??１３??

?＼??ｙｍｍｉｎ）??圖３－２召回功能用例圖??Ｆｉｇｕｒｅ?３－２?Ｕｓｅ?Ｃａｓｅ?Ｄｉａｇｒａｍ?ｏｆ?Ｒｅｃａｌｌ?Ｆｕｎｃｔｉｏｎ??在興趣點召回功能使用的召回維度是所有興趣點，對每個興趣點進行單獨召??回，并使用新聞得分進行排序，以此選擇每個興趣點得分高的的文章。??新聞得分功能是使用新聞與用戶的統(tǒng)計數(shù)據(jù)通過的新聞得分計算公式進行計??算并保存，其中計算公式是使用的新聞點擊率，時間差等進行加權(quán)計算的。??高質(zhì)量新聞?wù)倩厥窃谛侣勅霂熘畷r，編輯會對文章進行檢驗，并將高質(zhì)量文??１４??

【參考文獻】：
期刊論文
[1]循環(huán)神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 楊麗,吳雨茜,王俊麗,劉義理.  計算機應(yīng)用. 2018(S2)
[2]基于Spark的并行化協(xié)同深度推薦模型[J]. 賈曉光.  計算機工程與應(yīng)用. 2018(14)
[3]深度學(xué)習(xí)下的推薦系統(tǒng)研究[J]. 王濤,李明.  電腦知識與技術(shù). 2017(25)
[4]基于巴氏系數(shù)和Jaccard系數(shù)的協(xié)同過濾算法[J]. 楊家慧,劉方愛.  計算機應(yīng)用. 2016(07)
[5]基于MDLP-Apriori算法的離散Shannon熵值標簽排序[J]. 于磊,王普,趙寒,翁壯.  計算機應(yīng)用研究. 2016(06)
[6]社會化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛.  軟件學(xué)報. 2015(06)
[7]個性化推薦系統(tǒng)概述[J]. 高鳳麗,孫連山.  技術(shù)與市場. 2015(02)
[8]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報. 2015(01)
[9]基于MapReduce的矩陣分解推薦算法研究[J]. 張宇,程久軍.  計算機科學(xué). 2013(01)
[10]個性化推薦系統(tǒng)的研究進展[J]. 劉建國,周濤,汪秉宏.  自然科學(xué)進展. 2009(01)

碩士論文
[1]基于內(nèi)容的推薦與協(xié)同過濾融合的新聞推薦研究[D]. 唐瑞.重慶理工大學(xué) 2016



本文編號：3418859