1. 研究目的与意义（文献综述）

随着智能设备的大量普及以及自媒体形式的媒体的兴起，人们面临到了由于信息量太过于庞大而信息过载的问题，虽然丰富的资讯给予了用户更宽的视野，但海量的信息却使得用户目不暇接，用户也将会面临海量的毫无兴趣的信息，使得信息的使用效率降低。个性化新闻推荐系统将会去逐渐把握用户的兴趣点，将用户感兴趣的新闻推荐给用户，并结合用户的点击量、评价等等反馈操作，提炼出的优质且实时的新闻，将更多有影响力有价值的新闻资讯推荐给用户，也会结合时间因素，过滤掉已没有价值的新闻。

本课题将会使用：聚合计算、tf-idf（term frequen-cy-inverse document frequen-cy）算法、基于内容的推荐（cb）、基于协同过滤的推荐（cf）。

分析新闻的发布时间、用户对新闻的支持程度（赞踩量）、用户对新闻的点击量这三个角度考量新闻的质量。

2. 研究的基本内容与方案

2.1 目标（开发的系统概况描述）

开发一个web端个性化新闻推荐系统，由前端web页面与后端sql数据库构成。实现tp-idf算法，提炼出新闻中高区别度的有效关键词，分析出新闻的关键词。通过聚合计算分析文章，用发表时间、点击量、点赞量、点踩量、独立访客数等指标，综合给出一个新闻推荐的排序列表，并结合用户画像中的一组获得较高tf-idf权重的关键词的集合，进行新闻内容上的推荐。根据用户肖像中的一组tf-idf来计算用户相似度，将用户画像进行合并，获得多个群体画像，进行基于协同过滤的推荐，发掘出用户可能存在的某类型新闻兴趣。通过多个算法的横向和纵向组合，综合分析出新闻推荐排行，提高推荐给用户的新闻质量。

3. 研究计划与安排

(1)2019/1/19—2019/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2)2019/3/1—2019/4/30：系统架构、程序设计与开发、系统测试与完善；

(3)2019/5/1—2019/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1] [美] haralambosmarmanis（哈若拉玛·玛若曼尼斯），[美] dmitry babenko（德米特里·巴宾寇） 著；阿稳，陈钢 译, 智能web算法[m], 电子工业出版社, 2011.7

[2] bing liu 著;俞勇等译. web数据挖掘[m]. 清华大学出版社, 2009.

[3] [新西兰] 威滕（witten，i.h.） 著，李川，张永辉 译，数据挖掘：实用机器学习工具与技术（原书第3版）[m], 机械工业出版社, 2014.5