新闻自动分类和推荐系统研究与实现

摘要

新闻系统如果不能有效的进行新闻分类和个性化推荐,势必会影响到用户的使用效率和使用兴趣.本文通过自然语言处理技术、文本分类技术、协同过滤算法等技术构建新闻自动分类和推荐系统,对发布的新闻内容进行分词处理以及分类训练,从而自动判断新闻的所属类别,如果用户对系统反馈的分类结果不满意,还可以手动的进行修改分类,以便后期不定时的对属性进行更新.再通过协同过滤算法计算出用户间的相似度,进一步计算出与被推荐用户相似度较高的用户,将该用户浏览过但被推荐用户未曾浏览的新闻推荐给用户进行查看.本文是以复旦大学李荣陆用于文本分类研究所使用的新闻语料库为基础,通过此库来进行文本分类准确性的测试.测试结果表明,本系统能够很好的服务于新闻用户,体现出新闻系统的个性化.