基于主题矩阵分解模型的新闻推荐算法研究

《基于主题矩阵分解模型的新闻推荐算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、代码１０６０３Ｉ学号２０１２１２４７垄级公开ＵＤＣ鷄屋＆師Ｅｆ修ＧＩＡＮＧＸＩＴＥＡＣＨＥＲＳＥＤｌＣＡＴｆＯＮＵＮＩＶＥＲＳＩＴＹ硕古学位伦文基于主题矩阵分解模型的新闻推荐算法研巧Ｒｅｓｅａｒｃｈｏｎｎｅｗｓｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｏｒｉｔｈｍｂａｓｅｄｏｎｇｔｏｐｉｃｍａｔｒｉｘｄｅｃｏｍｐｏｓｉｔｉｏｎｍｏｄｅｌ学科专业；计算机科学与技术专业方向；云计算二级学院：计算机与信息工程学院年级：２０１２级研究生嫂名；林中

2、明导师姓名及职称：李文敬教授完成日期！２０１６年５月广西师范学院硕±学位论文（申请理学硕±学位）基于主题矩阵分解模型的新闻推荐算法研究Ｒｅｓｅａｒｃｈｏｎｎｅｗｓｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｏｐｉｃｍａｔｒｉｘｄｅｃｏｍｐｏｓｉｔｉｏｎｍｏｄｅｌ专业名称：计算机科学与技术申请人姓名：林中明导师姓名、职称：李文敬教授答辩委签名）胃委员：—二〇六年Ｉ／Ｎ月±学位论文原创性声明广西师范学院硕呈交的学位论文，是本人在导

3、师的指导下，独本人郑重声明：所的成果。除文中邑经注明引用的内容外’本论立进行研究工作所取得。对本文文不包含任何其他个人或集体包经发表或撰写过的作品成果。麵和集体，均邑在文中明确方式标明本究作出重要贡麵个人一。上的切责任和后果人如违反述声明，愿意承担由化引发：，＾学位论文作如者签名啼签授字权日期说：／店年《月／日学位论文使用明本人完全了解学校关于保留、使用学位论文的各项规定，同意Ｗ下事项：１、学校有权保留并向有关部口送交本论文的复印件和电子版，借阅，可Ｌ乂采用影印、缩印或扫描等复制手

4、段保存、允许汇论文被查阅和编学位论文；入２、本人授权广西师范学院可Ｌ乂将本论文的全部或部分内容编有关数据库供查阅、检阅。保密□，在年解密后适用本授权书。３、本论文属于不保密口（请在Ｌ义上方框内打）卢签字日期＇备．《，＇学位论文作者签名：呼Ｈ导师签名；基于主题矩阵分解模型的新闻推荐算法研究林中明、李文敬、计算机科学与技术、云计算、2012摘要当代是信息大爆炸的时代，我们每天都在浏览着各色各样的新闻，很多时候，我们出现了“信息选择困难症”，这就是“信息过载”问题，因此，智能新闻推荐应运

5、而生。通过为用户提供个性化的新闻列表，提高用户的阅读体验。目前网络新闻阅读已成为目前最热门的互联网的应用之一。冷启动问题是个性化推荐的一个一直存在且仍未被很好解决的问题，包括了用户冷启动和项目冷启动，而基于内容的推荐方法能解决项目的冷启动。本文首先对用户的冷启动问题进行研究，通过流行度推荐生成初始推荐候选集，再运用主题模型与基于内容的推荐，并与用户所处的情境信息相结合，同时充分利用基于负反馈的补足策略，经过循环迭代构建用户的兴模型。本文提出“适当停顿及感兴趣”的思路，构建多层次的循环迭代训练用户兴趣的新用户新闻推荐模型，为用

6、户冷启动的问题提供好的解决方案。新闻推荐以用户识别和用户的个性化建模为核心，在网络上阅读新闻，很多新闻门户和新闻应用都并不要求用户注册登录，而用户为了方便，且更多的用户担心自己的信息被泄露出去也不愿意去注册登录后才浏览新闻，这就使得新闻推荐无法获取用户自己提供的个人资料以及一些显式的兴趣爱好，同时，用户在浏览新闻的过程中，也无意间留下了很多的“脚印”，比如IP所处的位置、进入系统的时间、浏览了哪些内容等隐式数据，本文正是在这样的一个前提下，进行新闻推荐的研究。本文为精准而且完整的刻画用户行为，将隐式获得的用户的新闻浏览日志分

7、为长期、短期、近期、实时四个时间维度来构建用户的兴趣模型。由于新闻是动态的，且用户的兴趣也是动态的，用户兴趣会随着时间和情境的变化而变化，本文引入MAC地址、主题模型、情境信息，提出了基于主题的实时用户兴趣模型。该模型分为离线层、中间层、在线层三个层次，通过分层计算，该模型对实时处理表现出很好的效果。新闻属性作为每篇文章的固有属性，在很早以前的新闻推荐算法中就已经有研究者用来作为推荐的依据，且也取得了非常不错的效果，然而传统的基于新闻属性的推荐算法大多是假设这些属性是相互无关联互不影响的，而实际上，属性间或多或少的都存在影响

8、，确实也有少数研究者考虑到了这种属性间的练联系，取得了不一般的效果，本文就是在前人研究是基础上，综合了主题模型的语义分析和对新闻属性的矩阵分解模型，在识别用户和用户兴趣模型的基础上，将一些可以获取的如用户主题和新闻主题以及新闻属性所具有的相关性都考虑到推荐算法中，提出了一种融合用户主题、新