黄丽 石松芳

摘 要：传统推荐系统存在不以用户关注度为导向、推荐信息分散、推荐效率低等弊端，针对该问题，通过深入挖掘用户的关注度特征及浏览行为特征，分析用户的潜在需求，以此为基础，综合基于类别关注度的信息推荐、基于主题词的长期关注度推荐以及基于协同过滤的个性化推荐算法，采用模块化的设计方法，提出一种基于用户关注度的个性化推荐系统。实践应用表明，该系统能够帮助用户从海量信息中快速、准确地找到自己关注的内容，对互联网个性化信息服务具有一定的应用价值。

关键词：个性化推荐；用户关注度；信息数据

DOI：10.11907/rjdk.172779

中图分类号：TP319

文献标识码：A 文章编号：1672-7800（2018）005-0090-03

Abstract：The traditional recommendation system bears the disadvantages of lack of users attention， recommendation information dispersion，low recommendation efficiency， etc.In view of the problems， the system analyzes users potential requirements through in-depth mining of user attention characteristics and browsing behavior characteristics. Information recommendation based on category concern degree， long-term attention recommendation based on keywords and personalized recommendation algorithm based on collaborative filtering are integrated；the personalized recommendation system based on user attention in modular designing is proposed. It is proved that the system can help users find their own contents quickly and accurately from massive information and has application value in Internet personalized information service.

Key Words：personalized recommendation； user attention； information data

0 引言

互联网进入大数据时代，如何从庞大的数据信息中获取有用信息是当前互联网研究的重点。搜索引擎通常根据用户输入的關键字返回搜索结果呈现给用户，返回的结果往往是一个与关键字相关的巨大信息集合[1]。为了改善移动用户浏览体验，建立基于用户关注度的个性化推荐系统尤为重要。本系统通过深入挖掘用户信息、关注度特征、阅读内容相似度及浏览行为特点，分析用户的潜在需求和关注度偏好，建立推荐模型，从而帮助用户快速、准确地找到自己感兴趣的信息[2]。

1 基于用户关注度的推荐算法

目前比较流行的推荐算法主要有基于内容的推荐[3]、基于关联规则的推荐[4]和协同过滤推荐[5]。本系统综合以上推荐算法，并在此基础上进行改进，主要采用三种推荐算法，分别是基于类别关注度的信息推荐[6]、基于主题词的长期关注度推荐以及基于协同过滤的个性化推荐[7]。……