基于改進(jìn)SVD算法的個(gè)性化新聞推薦系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn).pdf

1、隨著信息化的快速發(fā)展和互聯(lián)網(wǎng)的快速普及，網(wǎng)絡(luò)正在持續(xù)改變著人們獲取信息的方式?，F(xiàn)在人們可以通過(guò)網(wǎng)絡(luò)獲取最新的新聞資訊，閱讀在線(xiàn)書(shū)籍，甚至購(gòu)買(mǎi)物品等，幾乎一切現(xiàn)實(shí)生活的需求都可以通過(guò)網(wǎng)絡(luò)得到滿(mǎn)足。
　　一方面，技術(shù)的長(zhǎng)足發(fā)展讓人們可以從異常豐富的信息渠道獲取信息，另一方面，人們?cè)诎熏F(xiàn)實(shí)生活中的信息持續(xù)不斷的數(shù)字化的同時(shí)，每天還在不停的產(chǎn)生海量的UGC內(nèi)容，這就形成了數(shù)量極其可觀的數(shù)字化信息，不可避免的導(dǎo)致了信息過(guò)載的問(wèn)題。也就是說(shuō)，

2、過(guò)多的信息已經(jīng)讓用戶(hù)無(wú)法適應(yīng)，普通人很難從如此海量的信息中高效的找到對(duì)自己有用的內(nèi)容。
　　新聞是人們獲取信息的重要渠道之一，同樣也面臨著這樣的問(wèn)題。無(wú)論是傳統(tǒng)的新聞門(mén)戶(hù)網(wǎng)站，還是導(dǎo)航類(lèi)的新聞分類(lèi)網(wǎng)站，甚至是近來(lái)異?；钴S的自媒體，雖然進(jìn)一步豐富了人們獲取新聞資訊的渠道，但無(wú)疑同時(shí)加重了信息過(guò)載的問(wèn)題，人們更加無(wú)法從中得到合適自己的新聞信息。
　　個(gè)性化新聞推薦系統(tǒng)正是在這樣的背景下產(chǎn)生的，給用戶(hù)提供了一種全新的新聞資訊獲取方

3、式。個(gè)性化新聞推薦系統(tǒng)在分析用戶(hù)的歷史瀏覽行為的基礎(chǔ)上，通過(guò)個(gè)性化推薦領(lǐng)域的各種技術(shù)，可以自動(dòng)預(yù)測(cè)用戶(hù)的興趣偏好，從而在海量的新聞資源中挑選出符合特定用戶(hù)喜好的個(gè)性化資訊。
　　正是基于這樣的需求背景，本文分析了推薦鄰域的常見(jiàn)推薦算法，包括基于內(nèi)容的推薦和協(xié)同過(guò)濾推薦，介紹了領(lǐng)先的分布式內(nèi)存計(jì)算框架-Spark，分析研究了其內(nèi)部的實(shí)現(xiàn)原理，比如Spark的計(jì)算模型，數(shù)據(jù)存儲(chǔ)機(jī)制，也簡(jiǎn)要介紹了其生態(tài)系統(tǒng)BDAS。在分析了基于Spar