阅读量：

521

作者：

郄智超

展开

摘要：

当今互联网时代,人们面临着一个严重的问题就是信息过载,如何在海量数据中找到人们需要的有用信息成为一个热门的研究课题.信息分类和搜索引擎已经在解决信息过载问题上取得了一定的成功.推荐系统是另一种更加优秀的解决方法,相比前两者,推荐系统更加智能和主动,它的优势是通过研究用户的兴趣偏好,进行个性化分析计算,由系统主动挖掘用户的兴趣点,从而引导用户发现自己的信息需求.新闻推荐系统就是推荐领域的应用之一,其目的是智能的为用户推荐他们感兴趣的新闻信息.推荐领域所面临的问题在新闻推荐中同样存在,并且存在着领域特殊性,因此本文的重点是设计并实现一个新闻推荐系统,并解决新闻推荐领域所面临问题.本文主要完成了以下工作:对推荐系统的理论背景进行了介绍,分析了推荐系统的研究现状和所面临的问题,对推荐系统的相关技术进行了说明.在深入研究推荐系统的工作流程和主要推荐算法的基础上,针对新闻推荐领域的特点,基于Hadoop平台,使用MapReduce并行框架以及Storm流式框架完整的设计实现一个新闻推荐系统,并且着重介绍了个性化新闻推荐算法的设计并将其运用到系统当中,包括协同过滤算法和基于BP神经网络算法的推荐方法,其中协同过滤算法通过加入时间因子和采用混合相似度解决了数据稀疏,兴趣漂移问题,基于BP神经网络算法的推荐方法通过综合考虑用户和新闻的各种特征来解决项目"冷启动"问题.本文的最后实验证明了本文所使用的个性化新闻推荐算法能较好的解决新闻推荐所面临的数据稀疏,兴趣漂移以及"冷启动"问题,提高了推荐的准确率以及召回率,并且对新闻推荐系统的测试表明基于Hadoop平台的新闻推荐系统有较高的扩展性和实时性.

展开

关键词：

新闻推荐系统 协同过滤 BP神经网络 Hadoop平台