基于协同过滤算法的新闻的个性化推送系统的设计与实现

《基于协同过滤算法的新闻的个性化推送系统的设计与实现》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、学校代号10532学号G132660533分类号密级公开工程硕士学位论文基于协同过滤算法的新闻的个性化推送系统的设计与实现学位申请人姓名王平培养单位软件学院导师姓名及职称王国平教授舒斌高工学科专业软件工程研究方向传媒管理论文提交日期2016年10月12日湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导Ｆ独立进行研究所取得的引用的内容外，本论文不包含任何其他个人或研巧成巧。除了文中特別加标注’均集体己经发表或撰写的成果作品。对本文的研究做出患耍贡献的个人和集体己在

2、文中＾式明确方式标明。本人完全瓷识到本声明化法律后果由本人承担。王月曰期：又年Ｊ会Ｕ作者签名：互予学位论文版权使用授权书，Ｗ盧学校保本学位论文作者完全了解学校有关保留、使用学位论文的规定。留并向閨家有关部口或机构送交论文的复印件和电子版，允许论文被杳阅和借阅本人授权湖南大学可虹将本学位论文的全部或部分内容编入有关数据库进化检文。索ｌＡ，可ｒ：采用影印、缩印或扫描等复制手段保存和汇编本学位论本学位论文属于□。１、保密，在年解密后适用本授权书２、不保密＾＂＂＾＾

3、（请在＾：＾＾上相应方框内打）３化巧口期：年《日作者签名：至予立〇／＜三＜Ｈ日期：年／月导师签名：学校代号：10532学号：G132660533密级：湖南大学工程硕士学位论文基于协同过滤算法的新闻的个性化推送系统的设计与实现学位申请人姓名：王平导师姓名及职称：王国平教授舒斌高工培养单位：软件学院专业名称：软件工程论文提交日期：2016年10月12日论文答辩日期：2016年12月04日答辩委员会主席：何春耕教授DesignandImplementationofPersonalized

4、NewsRecommendationSystemBasedonCollaborativeFilteringAlgorithmbyPingWangB.E.(HunanUniversity)2016AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinSoftwareEngineeringintheGraduateschoolofHunanUniversitySupervisorPro

5、fessorGuopingWangSeniorEngineerShuBinOctober，2016基于协同过滤算法的新闻个性化推送系统的设计与实现摘要随着信息的不断膨胀，人们在处理信息过程出现越来越大的难度，无法进行信息过滤和快速的获取有效的信息，因此导致人们在信息流面前无法进行快速的决策。推荐系统能够有效的进行信息的处理和过滤，并将有效的信息推送给用户，从而缩短了用户获取信息的时间。新闻系统为用户提供了获取新闻的途径，随着新闻产生的速度越来越快，人们在获取感兴趣的新闻越来越难，加之现在的新媒体和自媒体

6、的不断盛行，产生的新闻质量和可行度受到威胁，因此人们在进行新闻信息过滤中越来越难。因此在新闻系统中引入推荐系统对新闻信息进行过滤和处理后提供用户可以大大提高用户的体验，防止了用户在进行新闻阅读时产生的疲倦感。个性化新闻推荐系统可以根据用户浏览的的历史新闻信息进行用户兴趣分析，以及用户标签进行用户兴趣的挖掘，从而为用户推荐其感兴趣的新闻信息。本文正是在这样的背景下采用推荐算法向用户进行新闻推荐。本文的主要研究内容如下：首先对个性化新闻推荐系统的课题来源、选题目的以及国内外发展现状进行了详细的分析。为本文的

7、研究指明了方向。在此基础上对系统涉及到的相关技术进行了详细的分析。其中包括推荐系统和推荐技术的详细分析。其次对系统进行了详细的需求分析和设计，对于个性化新闻推荐系统进行了详细的需求分析。从功能需求和性能需求两个方面展开。系统的设计主要从系统总体架构、流程分析和系统的功能模块设计。其中系统总体架构主要从系统架构和系统的网络部署两个方面展开分析。系统功能模块主要可以分为：用户管理模块、主题管理模块、个性化推荐模块和新闻展现模块。对这四大模块进行了详细的设计。最后对个性化新闻推荐系统进行了详细的实现和测试。本

8、系统主要采用了java作为开发语言，Eclipse作为开发平台，数据库使用了Mysql，文件存储采用了HDFS。用户管理模据欸、主题管理模块和个性化推荐模块进行了详细的实现。用户管理模块主要从数据的增删改查等方面进行了详细的实现。主题管理模块主要通过中文分词和频繁挖掘进行主题模型发现，本文采用了Jcseg分词器和Apriori频繁集挖掘算法实现。个性化推荐模块则主要实现了用户或者新闻的相似度计算模块以及个性化推荐子模块。关键词：推荐系统、协