文献综述
一、选题背景随着互联网的快速发展，信息呈爆炸式增长，用户逐渐由信息匮乏时代迈入了信息过载时代，过量信息反而使得用户无法找到自己需要的信息。
为了方便互联网用户快速查找到所需信息，已往研究提出了如对热门网站网页分类、通过关键词检索的搜索引擎等方法。
由于文章拥有丰富的文本信息，每天都在产生大量新的文章，同时大量旧文章无人浏览等多种因素，使得个性化文章推荐系统有别于其他基于传统协同过滤的个性化推荐系统。
个性化推荐系统会根据当前用户历史操作记录，单独为其计算建立适合每个用户的兴趣模型，然后将欲推荐的信息与用户的兴趣模型进行匹配，匹配度达到一定阈值的信息推荐给用户[1][2]。
不同的用户具有不同的兴趣爱好，不同时间段同一个用户的兴趣爱好也会发生转变，随着时间和场景的转换，推荐系统的推荐结果也会发生改变，这正是体现了推荐功能个性化的地方[3]。
在个性化推荐系统中，协同过滤算法是目前最成功也是应用最广泛的技术之一，但随着用户数的增加以及系统规模的扩大，协同过滤技术面临诸多挑战[4]。
本课题以协同过滤技术为主要研究对象，从用户使用的角度出发，从海量文章中提取关键词进行推荐[5][6][7]，解决用户找不到感兴趣的文章的问题，实现一个基于协同过滤算法的文章推荐系统。
二、研究现状推荐系统的研究开始于上世纪90年代初期。
推荐系统大量借鉴了相关领域的研究成果[8]，在推荐系统的研究中广泛应用了认知科学、近似理论、信息检索、预测理论、管理科学以及市场建模等多个领域的知识[9]。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
