袁黄辉 孙知信 高凤玲

摘  要：随着互联网大数据时代的到来，资源聚合平台逐渐成为一种趋势，而文章聚合系统则是其中最普遍的一种资源整合方式。一方面，它能满足用户对于阅读数量的追求;另一方面，系统中内容分发方式的丰富也迎合了用户个性化的需要。该文针对平台方实际需求，实现了一种融合个性化推荐的文章聚合系统，系统的推荐内核主要依赖于所提的融合用户画像的协同过滤推荐方法，以此为平台方用户提供文章推荐服务。

关键词：个性化推荐  文章聚合  协同过滤  用户画像

中图分类号：TP391.3                       文献标识码：A文章编号：1672-3791（2021）04（a）-0035-03

An Article Aggregation System Integrating Personalized Recommendation

YUAN Huanghui1  SUN Zhixin2   GAO Fengling3

（1.School of Computer Science and technology， Nanjing University of Posts and Telecommunications， Nanjing， Jiangsu Province， 210023 China; 2.School of Modern Posts， Nanjing University of Posts and Telecommunications， Nanjing， Jiangsu Province， 210003  China; 3.China Electronics System

Engineering NO.2 Construction Co.， Ltd.， Wuxi， Jiangsu Province， 214135  China）

Abstract： With the advent of the era of Internet big data， resource aggregation platform has gradually become a trend， and article aggregation system is one of the most common ways of resource integration.On the one hand， it can meet the user's pursuit of reading quantity; on the other hand， the rich content distribution in the system also caters to the needs of personalized users. According to the actual needs of platform， this paper presents an article aggregation system that integrates personalized recommendation. The recommendation kernel of the system mainly relies on the proposed collaborative filtering recommendation method that integrates user portrait， so as to provide article recommendation service for platform users.

Key Words： Personalized recommendation;Article aggregation;Collaborative filtering;User portrait

互联网时代的到来衍生出了各类信息聚合的平台和网站。不论是新浪新闻、今日头条这类以文本信息为主的网站，还是类似于淘宝、京东这类的电商平台，它们都是帮用户将海量的数据做了初步的聚合归类，但是即便如此用户对于便捷和效率的诉求随着信息数据的激增依旧无法得到满足。因此，如何针对不同用户进行个性化推荐是这类信息聚合平台亟需解决的问题。

基于文章聚合系统的个性化服务诉求，该文结合实际场景设计了一种融合用户画像的协同过滤推荐方法进行文章个性化推荐，使得最终的推荐结果更加准确。

1  关键技术概述

1.1 协同过滤推荐方法

协同过滤推荐方法主要分为两类：基于用户和基于内容的协同过滤[1]。基于用户的协同过滤主要是通过用户的历史行为记录来计算用户间的相似性，使用相似用户的其他偏好进行推荐[2];而基于内容的协同过滤则是根据所有用户对项目的喜好来计算项目间的相似性，根据用户偏好将相似的内容推荐给用户[3]。……