基于SVD算法的智能新聞推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

洪英漢++郭才

摘要：針對(duì)目前綜合信息發(fā)布平臺(tái)信息數(shù)據(jù)量多、內(nèi)容雜、分類(lèi)不科學(xué)，導(dǎo)致網(wǎng)絡(luò)訪(fǎng)客淹沒(méi)在信息海洋中。該文提出了基于SVD技術(shù)的智能新聞推薦算法，首先定義用戶(hù)的興趣愛(ài)好模型，根據(jù)用戶(hù)訪(fǎng)問(wèn)網(wǎng)站的日志，不斷調(diào)整用戶(hù)的興趣愛(ài)好模型，實(shí)時(shí)為客戶(hù)提供精準(zhǔn)的內(nèi)容推薦。該算法的設(shè)計(jì)符合目前綜合信息服務(wù)平臺(tái)的實(shí)際需求，系統(tǒng)的實(shí)現(xiàn)證明該算法應(yīng)用的效果良好，同時(shí)具備可擴(kuò)展性。

關(guān)鍵詞：SVD算法； 智能推薦； 數(shù)據(jù)挖掘

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）07-0160-02

1 構(gòu)建智能新聞推薦系統(tǒng)的意義

1.1傳統(tǒng)的綜合信息發(fā)布模式的不足

傳統(tǒng)的中小微企業(yè)信息綜合發(fā)布平臺(tái)遠(yuǎn)遠(yuǎn)不滿(mǎn)足企業(yè)的發(fā)展需求。在大數(shù)據(jù)時(shí)代的到來(lái)，海量的平臺(tái)信息總讓網(wǎng)絡(luò)用戶(hù)眼花繚亂，只會(huì)讓用戶(hù)陷入信息過(guò)載和信息迷航問(wèn)題之中。如何讓中小微企業(yè)在最短時(shí)間內(nèi)獲得最精確的平臺(tái)服務(wù)的同時(shí)提供最精準(zhǔn)的服務(wù)產(chǎn)品，如何讓網(wǎng)絡(luò)用戶(hù)在最短到時(shí)間內(nèi)獲得最精準(zhǔn)的企業(yè)服務(wù)產(chǎn)品，是目前中小微信息服務(wù)平臺(tái)的棘手解決問(wèn)題。個(gè)性化服務(wù)打破了傳統(tǒng)的以被動(dòng)服務(wù)模式，能夠充分利用各種資源優(yōu)勢(shì)，主動(dòng)開(kāi)展以滿(mǎn)足用戶(hù)個(gè)性化需求為目的的全方位服務(wù)。

1.2 智能推薦系統(tǒng)的優(yōu)勢(shì)

搭建基于個(gè)性化服務(wù)關(guān)鍵技術(shù)的中小微企業(yè)智能化信息服務(wù)平臺(tái)是眾多中小微企業(yè)的迫切期望。與傳統(tǒng)的信息發(fā)布平臺(tái)比較，具有以下的優(yōu)勢(shì)：

1）為平臺(tái)用戶(hù)提供精準(zhǔn)的個(gè)性化服務(wù)信息。通過(guò)個(gè)性化服務(wù)關(guān)鍵技術(shù)對(duì)網(wǎng)絡(luò)用戶(hù)描述文件進(jìn)行準(zhǔn)確分類(lèi)、中小微企業(yè)用戶(hù)描述文件進(jìn)行準(zhǔn)確分類(lèi)、平臺(tái)資源描述文件進(jìn)行準(zhǔn)確分類(lèi)，結(jié)合網(wǎng)絡(luò)用戶(hù)、企業(yè)、資源的行為記錄，最終精準(zhǔn)地挖掘適合用戶(hù)的個(gè)性化服務(wù)信息。

2）為平臺(tái)用戶(hù)提供快速的個(gè)性化服務(wù)信息。通過(guò)實(shí)時(shí)獲取平臺(tái)用戶(hù)的行為特征，利用個(gè)性化服務(wù)有關(guān)技術(shù)，在較短的時(shí)間內(nèi)獲得平臺(tái)用戶(hù)的興趣行為，把跟用戶(hù)對(duì)應(yīng)的個(gè)性化服務(wù)信息快速地展現(xiàn)給用戶(hù)。

3）提高對(duì)中小微企業(yè)信息化的服務(wù)質(zhì)量，幫助中小微企業(yè)的準(zhǔn)確向客戶(hù)推薦產(chǎn)品。個(gè)性化服務(wù)平臺(tái)提供更具智能化的功能，使得中小微企業(yè)在最短的時(shí)間內(nèi)可以得到平臺(tái)推薦的準(zhǔn)備服務(wù)，滿(mǎn)足自身所需。同時(shí)企業(yè)發(fā)布的產(chǎn)品，也在最短時(shí)間內(nèi)通過(guò)平臺(tái)準(zhǔn)備得推薦到網(wǎng)絡(luò)客戶(hù)，提高網(wǎng)絡(luò)客戶(hù)的購(gòu)買(mǎi)產(chǎn)品興趣。

總之，基于智能新聞推薦系統(tǒng)，從技術(shù)上、模式上、服務(wù)理念都具有非常強(qiáng)的可行性。

2 基于SVD算法的智能新聞推薦系統(tǒng)算法設(shè)計(jì)

根據(jù)中小微企業(yè)信息化服務(wù)平臺(tái)的具體需求，結(jié)合平臺(tái)的軟硬件條件，融入當(dāng)前流行的智能推薦算法，最終設(shè)計(jì)出適合系統(tǒng)的模型，模型如圖1 所示。模型以用戶(hù)興趣愛(ài)好為導(dǎo)向，分析用戶(hù)日常訪(fǎng)問(wèn)日志，結(jié)合相鄰用戶(hù)的興趣及行為特點(diǎn)，最終推薦出適合用戶(hù)的相關(guān)資訊。

具體實(shí)現(xiàn)策略如下：

1）判斷用戶(hù)是否新用戶(hù)，如果用戶(hù)是新用戶(hù)，則按照新聞的訪(fǎng)問(wèn)量由高到低推薦給新用戶(hù)；如果用戶(hù)不是新用戶(hù)，則通過(guò)SVD推薦算法推薦新聞。

2）用戶(hù)每一次登錄網(wǎng)站，實(shí)時(shí)收集用戶(hù)的訪(fǎng)問(wèn)時(shí)間、訪(fǎng)問(wèn)新聞內(nèi)容、訪(fǎng)問(wèn)次數(shù)等。

3）通過(guò)用戶(hù)訪(fǎng)問(wèn)日志的分析，計(jì)算出該用戶(hù)對(duì)所訪(fǎng)問(wèn)新聞的感興趣度，并記錄進(jìn)數(shù)據(jù)庫(kù)。

4）使用SVD推薦算法，計(jì)算出當(dāng)前用戶(hù)可能感興趣的新聞列表。

5）以上步驟不斷的迭代訓(xùn)練，最終訓(xùn)練出更加準(zhǔn)確的模型。

通過(guò)以上過(guò)程，使得推薦新聞不再像以前一樣，只能推薦訪(fǎng)問(wèn)量由高到低的方式，進(jìn)而推薦出合適用戶(hù)的興趣愛(ài)好，大大提高網(wǎng)址的訪(fǎng)問(wèn)量。

3 基于SVD算法的智能新聞推薦系統(tǒng)的實(shí)現(xiàn)

3.1 主要數(shù)據(jù)庫(kù)設(shè)計(jì)

數(shù)據(jù)庫(kù)中關(guān)鍵的數(shù)據(jù)庫(kù)表有：新聞表，用戶(hù)訪(fǎng)問(wèn)日志表，游客訪(fǎng)問(wèn)日志表，新聞喜愛(ài)度表。

3 總結(jié)

本文提出的基于SVD算法的智能新聞推薦系統(tǒng)構(gòu)建方案目的是為大中型網(wǎng)絡(luò)信息服務(wù)平臺(tái)做好智能化信息服務(wù)。其主要核心思想是利用SVD算法，結(jié)合用戶(hù)的訪(fǎng)問(wèn)日志、興趣愛(ài)好、相鄰客戶(hù)網(wǎng)絡(luò)行為等基礎(chǔ)數(shù)據(jù)，最終達(dá)到人性化的信息服務(wù)管理模式，適應(yīng)當(dāng)今信息化服務(wù)的主流趨勢(shì)。

在完成系統(tǒng)研發(fā)過(guò)程中，也發(fā)現(xiàn)了一些不足的問(wèn)題，主要是：智能化模塊算法計(jì)算時(shí)間偏長(zhǎng)，影響用戶(hù)體驗(yàn)；冷啟動(dòng)問(wèn)題一直是推薦系統(tǒng)的挑戰(zhàn)熱點(diǎn)，需要不斷調(diào)整推薦策略。在今后工作中，應(yīng)該做到：第一、將不斷完善推薦算法的準(zhǔn)確率和時(shí)間復(fù)雜度；第二、隨著智能手機(jī)的普及，把智能推薦算法的方案移植到手機(jī)客戶(hù)端中。

參考文獻(xiàn)：

[1] 陳清浩.基于SVD的協(xié)同過(guò)濾推薦算法研究[D].成都：西南交通大學(xué)，2015.

[2] 推薦系統(tǒng)相關(guān)算法（1）：SVD[EB/OL]. http：//www.cnblogs.com/FengYan/archive/2012/05/06/2480664.html.

[3] 陸興華，陳平華.基于定量遞歸聯(lián)合熵特征重構(gòu)的緩沖區(qū)流量預(yù)測(cè)算法[J].計(jì)算機(jī)科學(xué)，2015（4）.

[4] 機(jī)器學(xué)習(xí)經(jīng)典算法12-SVD及其在推薦中的應(yīng)用[EB/OL].http：//blog.csdn.net/moodytong/article/details/10085215.

[5] 劉劍波，楊健.基于SVD++與行為分析的社交推薦[J].計(jì)算機(jī)應(yīng)用，2013（Z1）.