基于聚类和分类的个性化文章自动推荐系统的研究

摘要：

由于缺乏足够的反映用户兴趣的知识,以及巨大的在线计算量,导致互联网上现有文章自动推荐系统普遍存在盲目性和低效性的问题.针对以上问题,提出了一种基于聚类和分类的个性化文章自动推荐系统,利用机器学习的方法隐式地获取用户模型,并根据用户模型为用户提供个性化的文章自动推荐服务.该系统包括离线用户模型及用户群获取子系统和在线个性化文章推荐子系统两大部分,前者对文章进行聚类形成聚类兴趣点,构建基于聚类兴趣点的用户模型,并根据用户兴趣聚类形成各兴趣点的用户群;后者对待推荐文章进行分类,搜索到其所属的兴趣点,向该兴趣点的用户群进行主动推荐.理论分析和实验结果表明,该系统能够显著提高有效性和在线响应速度.所述的设计思想和技术也适用于其它互联网个性化信息自动推荐系统.

关键词：聚类、分类、个性化、推荐系统、用户模型

所属期刊栏目：42

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金70171052;安徽省高校青年教师基金2006jq1040

在线出版日期：2008-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：512-518