学位论文 > 优秀研究生学位论文题录展示

面向移动互联网的个性化新闻推荐算法研究

作　者: 吴登能
导　师: 袁贞明
学　校: 杭州师范大学
专　业: 计算机应用技术
关键词: 移动网络协同过滤 LDA 主题模型个性化服务新闻推荐
分类号: TP393.09
类　型: 硕士论文
年　份: 2013年
下　载: 5次
引　用: 0次
阅　读: 论文下载

内容摘要

随着互联网技术的高速发展,移动通信网络与计算机网络迅速融合,越来越多的用户使用移动设备(如智能手机、平板电脑、PAD等)来获取网络服务和信息资源。然而,移动用户在享受丰富多彩的海量信息同时也面临着严重的“信息过载”问题。此外,由于移动设备终端自身的处理能力、网络带宽、显示屏幕大小等限制,人们发现传统的浏览方式和搜索技术已经无法满足当前用户个性化的需求。移动推荐系统正是在这种需求背景下产生的,它为人们提供了一种全新的个性化服务模式。移动推荐系统(Mobile Recommender Systems)通过收集移动用户的浏览行为,运用个性化推荐技术加以分析,预测用户的兴趣偏好,主动为用户推送满足其个性化需求的信息内容,它是缓解“移动信息过载”的有效技术手段,得到人们越来越多的关注。本文通过分析移动互联网不同于传统互联网的特点,研究并设计面向移动互联网的个性化推荐算法,并将该算法应用于移动健康新闻推荐领域。文章的主要工作内容包含如下：1.为节省移动网络流量和提高阅读效率,设计了一种基于LDA模型的新闻文档自动摘要算法。本文通过计算文档主题分布与句子主题分布之间的相似性,得到了句子主题特征,结合句子在文档中的位置和标题相似性等特征,形成组合特征计算句子权重,最后根据权重排序抽取句子生成新闻摘要。实验结果验证,在LDA模型中加入组合特征后,自动文摘的性能得到了提高。2.提出一种基于社会化标签和动态兴趣转移模型的协同过滤推荐算法。首先将用户-新闻-标签张量模型根据标签兴趣转移曲线作调整,然后利用社区发现技术划分用户小组,从中提取候选的社会性标签,使用SVD对用户-新闻矩阵R和新闻-标签矩阵Q进行分解重构,最后使用朴素贝叶斯分类器产生Top-N个新闻推荐。实验结果验证,算法加入时间约束因子后提高了推荐精确度。3.利用本文提出的算法结合Android开发技术,设计开发了一个面向移动互联网的个性化健康新闻推荐系统。

全文目录

致谢  5-6
摘要  6-7
Abstract  7-9
目次  9-11
1. 绪论  11-17
  1.1 课题研究背景及意义  11-12
  1.2 移动推荐系统研究的挑战和热点  12-13
  1.3 本文主要工作和创新点  13-14
  1.4 论文组织结构  14-16
  1.5 本章小结  16-17
2. 移动互联网推荐系统综述  17-30
  2.1 移动互联网及其特点  17-19
  2.2 网络新闻特点分析  19-20
  2.3 传统互联网个性化推荐技术  20-26
    2.3.1 基于规则的推荐技术(Association rule-based recommendation)  21
    2.3.2 基于内容的推荐技术(Content-based recommendation)  21-23
    2.3.3 协同过滤推荐技术(collaborative filtering recommendation)  23-26
    2.3.4 混合推荐技术(Hybrid recommendation)  26
  2.4 新闻推荐系统的发展现状  26-29
  2.5 本章小结  29-30
3. 基于组合特征LDA的新闻文档自动摘要算法  30-38
  3.1 LDA主题模型  31-33
  3.2 基于组合特征LDA的新闻自动摘要算法  33-35
    3.2.1 句子的基础特征  33-34
    3.2.2 句子的LDA主题概率特征  34-35
    3.2.3 融合组合特征的关键句抽取  35
  3.3 实验结果  35-37
    3.3.1 实验结果分析  36-37
  3.4 本章小结  37-38
4. 基于社会化标签和动态兴趣转移模型的协同过滤算法  38-47
  4.1 基于社会化标签的兴趣转移模型的协同过滤算法  39-43
    4.1.1 用户兴趣模型  40-42
    4.1.2 矩阵分解和主动推荐  42-43
  4.2 实验结果与分析  43-46
  4.3 本章小结  46-47
5. 移动互联网个性化新闻推荐系统设计  47-56
  5.1 系统设计总体框架和功能  47-48
  5.2 系统模块功能设计  48-51
  5.3 系统数据库设计  51-53
  5.4 移动健康新闻推荐APP  53-55
  5.5 本章小结  55-56
6. 总结与展望  56-58
  6.1 论文总结  56
  6.2 下一步工作展望  56-58
参考文献  58-63
作者在攻读硕士学位期间主要的研究成果  63

面向移动互联网的个性化新闻推荐算法研究

内容摘要

全文目录

相似论文