基于用户兴趣的新闻个性化推荐系统的设计与实现

论文摘要

随着网络信息的日益积累,如何在海量的数据中快速有效地查找定位到需要的信息成为当前互联网发展中的突出问题,也是网络信息检索研究的热点。网站根据用户的兴趣喜好提供一些个性化的内容,可以有效帮助用户快速、准确地找到需要的资源。本文讨论的个性化推荐技术就是通过网站准确把握用户的兴趣爱好,并及时、动态得根据所收集到的信息向不同的用户提供特定的服务。为更好地进行个性化推荐系统的研究,本文针对"爱读爱看"网站设计并实现一个新闻个性化推荐系统。该系统在Java JDK1.5开发平台下,利用自动分类、关键字提取、主题发现等技术将新闻进行划分,提供新闻的导航浏览功能,其中主题发现利用了关联规则技术;通过对用户行为的分析,利用记忆模型的相关理论建立和更新用户的兴趣模型,推荐用户感兴趣的文章,为用户生成个性化的新闻浏览页面。实验表明,本文开发的系统可以恰当划分每天的新闻,并且为参加实验的虚拟用户较为准确的推荐了其感兴趣的新闻,取得了比较满意的实验结果。本文的研究工作对各领域应用个性化推荐系统的研究具有一定参考意义。

论文目录

• 内容提要
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 问题的提出
• 1.1.2 应用背景
• 1.2 研究的意义
• 1.3 国内外研究现状
• 1.4 本文的主要工作
• 1.5 文章的组织结构
• 第二章 关键技术介绍
• 2.1 推荐系统
• 2.1.1 推荐系统的概念
• 2.1.2 推荐系统的分类
• 2.1.3 个性化推荐系统的相关技术
• 2.2 关联规则
• 2.2.1 关联规则的概念
• 2.2.2 关联规则的相关算法
• 2.3 小结
• 第三章 系统的总体设计
• 3.1 系统概述
• 3.2 系统的设计约束
• 3.3 系统的推荐原理
• 3.4 系统的功能模块设计
• 3.4.1 模块的划分
• 3.4.2 用户管理模块的设计
• 3.4.3 新闻管理模块的设计
• 3.4.4 主题管理模块的设计
• 3.4.5 模块间的关系
• 3.5 系统的工作流程
• 3.6 系统的数据库结构
• 3.7 小结
• 第四章 主题管理模块的设计与实现
• 4.1 主题发现的概念
• 4.2 实现主题发现的方法
• 4.2.1 关联规则的回顾
• 4.2.2 Apriori 算法介绍
• 4.2.3 在主题发现中应用关联规则
• 4.3 小结
• 第五章 用户管理模块的设计与实现
• 5.1 建立更新用户模型
• 5.1.1 模型的来源分析
• 5.1.2 记忆模型的建立
• 5.2 系统用户交互
• 5.2.1 跟踪记录用户浏览行为
• 5.2.2 向用户推荐新闻
• 5.3 代码介绍
• 5.3.1 用户模型的POJO 类（Plain Old Java Object ）
• 5.3.2 用户兴趣的POJO 类
• 5.3.3 关于几个类的彼此关联
• 5.3.4 用户模型建立的相关类
• 5.4 小结
• 第六章 实验结果与分析
• 6.1 系统运行环境与技术支持
• 6.1.1 系统运行环境
• 6.1.2 技术支持
• 6.2 系统运行
• 6.2.1 后台运行界面
• 6.2.2 后台管理界面
• 6.2.3 前端展示
• 6.3 运行结果讨论
• 6.3.1 关于主题发现
• 6.3.2 关于建立更新用户模型
• 6.4 小结
• 第七章 总结与进一步工作
• 7.1 总结
• 7.2 进一步工作
• 7.2.1 关于主题发现
• 7.2.2 关于跟踪记录用户的行为
• 7.2.3 关于推荐的方法
• 7.2.4 关于反馈模块
• 参考文献
• 致谢
• 摘要
• Abstract