基于主題抽取演化模型的實(shí)時(shí)新聞推薦系統(tǒng).pdf

1、隨著互聯(lián)網(wǎng)尤其是移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展，越來(lái)越多的人選擇使用網(wǎng)絡(luò)獲取新聞資訊。然而，由于互聯(lián)網(wǎng)信息量太大，在海量新聞資訊面前，人類卻無(wú)從選擇。因此，如何在海量新聞資訊中找到用戶真正感興趣的新聞并將其推薦給用戶成為了業(yè)界研究的熱點(diǎn)。實(shí)時(shí)新聞推薦系統(tǒng)能夠?qū)崿F(xiàn)對(duì)新聞資訊的自動(dòng)化處理，通過(guò)新聞主題演化抽取算法，結(jié)合用戶畫像技術(shù)，把新聞內(nèi)容和用戶聯(lián)系起來(lái)，采用大數(shù)據(jù)實(shí)時(shí)流處理技術(shù)，能夠解決大數(shù)據(jù)背景下的新聞精準(zhǔn)推薦問(wèn)題。
　　本文對(duì)新聞主題抽

2、取演化方法和實(shí)時(shí)推薦系統(tǒng)相關(guān)技術(shù)進(jìn)行了研究，主要工作包括:
　　1、提出基于LDA(Latent Dirichlet Allocation)的新聞主題提取和話題演化算法。該算法在傳統(tǒng)LDA算法基礎(chǔ)上，增加了時(shí)間演化的推演過(guò)程，通過(guò)構(gòu)建新聞和時(shí)間級(jí)聯(lián)表來(lái)計(jì)算獨(dú)立性檢驗(yàn)卡方參數(shù)，更能追蹤新聞事件的時(shí)效演化特性，可以更有效的抽取出新聞的主題;同時(shí)，將基于solrcloud的分布式索引技術(shù)應(yīng)用于新聞文本處理，實(shí)現(xiàn)了高性能分布式計(jì)算。

3、>　　2、提出一種基于用戶畫像技術(shù)的交替最小二乘UP-ALS的協(xié)同推薦算法。新算法結(jié)合用戶畫像標(biāo)簽權(quán)重和交替最小二乘ALS預(yù)測(cè)評(píng)分矩陣完成協(xié)同推薦的計(jì)算，更精準(zhǔn)地定位用戶喜好;為滿足大數(shù)據(jù)環(huán)境下實(shí)時(shí)計(jì)算的需要，采用Spark分布式流處理框架實(shí)現(xiàn)了UP-ALS算法;實(shí)驗(yàn)仿真表明，與矩陣分解模型MFM和ALS算法相比，UP-ALS算法提高了推薦的準(zhǔn)確度。
　　3、利用分布式架構(gòu)構(gòu)建了實(shí)時(shí)推薦系統(tǒng)，并對(duì)系統(tǒng)的性能進(jìn)行了調(diào)優(yōu)，展示了系統(tǒng)實(shí)