硕士毕业论文开题研究报告

《硕士毕业论文开题研究报告》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、附件1学术学位硕士研究生学位论文开题报告及课题研究计划所在学院计算机科学与工程　　　学科专业计算机软件与理论研究方向　　信息检索　　　　年　　级　　2013级　学　　号　　　　研究生　　　指导教师　　　入学年月2013年9月　　重庆理工大学研究生处制18/18论文题目融合主题模型与协同过滤的个性化新闻推荐研究题目来源国　家部委省、市、自治区横　向联　系自　选√题目类型基础研究应用基础工程技术其　他√经　费一、论文选题的意义近几十年来，通信技术、互联网、移动互联网的不断发展，信息的采集、传播以及展示的速

2、度和规模都达到了空前的水平，人类社会已从工业时代步入了信息时代。信息时代的降临为人们的生活带来了极大便利，知识技能的获取不用再找特定的老师，约定特定的地点进行，远程教育让你即使在家也可以进行学习，网络上大量的资料足以包含任何你想要的内容；电子商务让你随时随地享受购物的快乐；百度一下成为了无所不能的老师，大多数人有了问题首先想到的都是它。信息时代为人们生活带来极大便利的同时，也带来了不少困扰，其中之一就是信息过载，汹涌而来的信息出现在人的眼前，让人不知所措，无所适从。想要从浩瀚如烟的信息海洋中迅速而准确

3、地获得自己最需要的信息，对用户来说已变得非常困难。搜索引擎和分类目录很大程度上为人们解决了信息过载带来的困扰。搜索引擎是信息检索技术在大规模文本集合上的实际应用，是目前最为高效的信息检索方式之一，当用户面临巨大的网络资源不知如何选择时，仅需要输入需求内容所包含的几个关键词，就能快速找到所需的信息，目前的网络搜索引擎如Google和百度，都具备了高可靠性的页面排序算法，不仅能找出用户想要的内容，还为内容的质量进行了排序；分类技术的应用非常广泛，haol23、360导航等分类网站将互联网上主要的网站进行分

4、门别类，各大综合门户网站将其内容划分成了诸如时政、财经、文化、教育等不同的板块，通过分类目录，方便了用户对需求内容的查找。18/18以上两种方法在很大程度上协助人们解决了在浩瀚的信息中找寻自己需要信息的问题，然而，面对每天指数级增长的巨大信息，再强的搜索引擎，再大的分类网站也无法解决如下问题：一种情况是人们无从选择，不知道什么才是需要的信息，只有漫无目的的浏览网站，寻找感兴趣的内容；另一种情况是人们无法准确描述自己的需求。鉴于以上原因，推荐系统开始得到大规模的使用。推荐系统是一种帮助用户快速发现有用信

5、息的工具，它通过用户的历史行为数据分析用户的兴趣和偏好，给用户的兴趣建模，然后根据不同用户兴趣和偏好不同为其推荐能够满足他们兴趣和需求的信息。在新闻领域，同样面临了“信息过载”问题，每天，来自世界各地包括政治、经济、文化、娱乐、生活、社会各种不同板块的新闻铺天盖地而来，各大门户网站无时无刻不再更新各个地方、各个领域发生的大事小事。绝大多数人都有阅读新闻的习惯，为了帮助人们快速而精准地找到自己感兴趣的新闻，不在无聊的新闻阅读上花费时间，研究好的个性化新闻推荐系统成为了学术界和企业界的热点。二、国内外研究

6、现状当前的推荐技术主要分为协同过滤推荐、基于关联规则的推荐、基于内容的推荐以及混合推荐等.协同过滤推荐是利用某个兴趣相投、拥有共同经验的群体的喜好来向使用者推荐其感兴趣的物品或信息，可以是利用当前用户与其他用户对部分项目的已知偏好数据来预测当前用户对其他项目的潜在偏好，或者利用用户对当前项目或者其他项目的已知偏好数据来预测其他用户对当前项目的潜在偏好[1]；关联规则挖掘是数据挖掘领域中一项重要的课题，它从大量数据中发现物品之间有趣的关联或相关联系。其核心思想是通过对已知数据的挖掘，发现大量数据中所蕴含

7、的，满足一定支持度的规则模式及这些模式间的相互关系[2]。基于内容的推荐方法起源于信息检索和信息过滤的研究，是协同过滤推荐的延伸与发展。该方法对推荐对象进行内容上的挖掘与分析，基于用户历史行为获得用户的兴趣，并向用户推荐在内容上与其兴趣最匹配的物品[3]。混合推荐是将以上推荐方法按照不同的方式进行混合，取长补短，克服各自方法的不足。2.1个性化推荐技术研究现状基于用户的协同过滤是个性化推荐中最古老的算法，该方法在1992年被提出，并应用于邮件过滤系统。18/18在最早期的协同过滤推荐系统中，系统需要用

8、户指定兴趣相似的近邻，只有在用户了解彼此间的兴趣爱好之后才能做出推荐因此，只适用于规模较小且相互熟悉的小型用户群(例如同一办公室或研究小组)，而不适合于电子商务、互联网这种用户群体庞大且相互陌生的环境[4]。之后出现了以GroupLens为代表的自动化的协同过滤推荐系统[5]，它允许用户使用评分等方式表达自己的兴趣偏好信息，系统根据兴趣相似的用户的评分信息为当前活动用户进行个性化推荐。自动化的协同过滤推荐系统不需用户指定相似用户，不需要用户之间相互了解，