1. 研究目的与意义
1.1 研究背景
信息的传播方式和传播速度因互联网的发展发生了很大的变化，从而使人们在获取信息的途径上产生多样化趋势。移动互联网和智能设备的快速发展，使人们能够快速、轻松地获取信息，并及时了解新闻。新闻最重要的价值是源于它的时效性，因此新闻传播必须要依靠互联网这个载体，使其发挥出更大的价值。
电商领域需要为顾客提供个性化推荐，个性化推荐技术也就得到迅速发展，同时也影响到了诸多领域：与人交往、书籍阅读、影视产业等等。尤其是对于传统的新闻行业，因为新闻是大家关注的热点，每天都会有海量的信息数据在传输，也就使得受众群体无法及时获取对自己感兴趣的有用的价值消息。观众体验感大大减少，被各种繁多复杂的新闻信息所包围。
2. 研究内容和预期目标
本题目主要研究的内容是：
首先分析新闻的文本信息，系统自动对新闻消息提取关键字，之后进行详细的分析。
其次是组建一个包含用户兴趣指标的数据集，通过历史行为数据，构建用户阅读兴趣模型。
3. 国内外研究现状
3.1 国内研究现状
国内的推荐技术应用基础薄弱，起步较晚，与国外存在明显差距。但是，国内的个性化推荐技术也在不断发展。例如清华大学的“Open Bookmark”与南京大学的“DOLTRI-Agent'在代理之间进行消息传递、数据挖掘；系统分析用户兴趣特征以实现个性化推荐，达到学习用户兴趣特征的目的。目前，国内研究者广泛将代理技术应用于个性化推荐技术。
使用个性化推荐技术的是豆瓣。它反映在豆瓣的电影，书籍，相册和日志中。豆瓣的每个页面相关按钮将收集有关用户浏览信息的信息。比如：如果您想观看喜欢的电影，本书的页面布局将收集信息，例如用户是在阅读还是想要阅读。系统采集到感兴趣的电影的数量不断增加，就会提供更多符合个人兴趣的精准个性化需求。
4. 计划与进度安排
提供新闻个性化阅读、针对读者的兴趣爱好提供有效的新闻推荐，是本次设计的最大目标。根据本课题研究实现的顺序以及论文的逻辑顺序，论文撰写可分为六章。
第一章阐述研究背景和意义，概括性地梳理主要研究内容。
第二章主要介绍了基于协同过滤算法的三种推荐算法，以及用到的技术和语言。
5. 参考文献
[1]郭新华,高禹,林玉梅.基于RT-RBM协同过滤的图书馆个性化推荐系统的研究[J].太原师范学院学报(自然科学版),2020,19(04):59-64.
[2]梁家富.基于协同过滤的商品个性化推荐算法应用研究[J].河北软件职业技术学院学报,2020,22(04):22-25 41.
[3]秦育华.基于Python的用户协同过滤推荐系统的研究与实现[J].电脑知识与技术,2020,16(31):234-236.
以上是毕业论文开题报告，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。
