1. 研究目的与意义
网络中接受信息已经成为当代人生活的一部分,新闻作为信息传播的手段,在互联网中占据着重要地位网络新闻已经成为网民最关注的获取信息的网络资源网络新闻和传统报纸、电视新闻相比实时性更好、便于用户随时阅读、不受报纸版面或报道时长的限制但恰恰是这些优点使得网络新闻无限制的海量增长,因此阅读者不得不花费大量时间在海量新闻中找出自己关心的新闻来阅读。
鉴于此，中文新闻的个性化推荐系统成为研究者们的研究热点。推荐系统能够根据用户的信息需求、兴趣登，推荐给用户更关注的信息感。
随着网上信息量的大幅增长，网络用户在面对大量信息时常常束手无策，并不能够及时获得对自己真正有用的那部分信息，对信息的使用率反而降低了，这就是信息时代中常见的信息超载问题。
2. 课题关键问题和重难点
基于SSM的个性化新闻推荐系统分为三个模块，基于SSM的个性化新闻推荐系统后台实现、基于SSM的个性化新闻推荐系统前端实现，基于SSM的个性化新闻推荐的实现。本课题拟完成基于SSM的个性化新闻推荐系统的设计与实现 。
本课题的关键：
3. 国内外研究现状（文献综述）
1953年3月，卡内基梅隆大学的Robert Armstrong等人在美国人工智能协会首次提出了个性化导航系统Web-Watcher，斯坦福大学的Marko Balabanovic等人在同义词会议上推出了个性化推荐系统LIRA。同年8月，麻省理工学院的HenryLiberman在国际人工智能联合大会（IJCAI）上提出了个性化导航智能体Letizia。这三个系统被公认为是个性化服务发展初期最经典的系统，标志着个性化推荐服务的开始。
2000年，我国正式开始了个性化推荐的研究，清华大学的陆海明等提出了基于Agent多混合只能实现个性化推荐；2001年清华大学的凤翱等人提出了基于Agent的个性化信息过滤系统Open Bookmark；南京大学的盘金贵等人设计并实现了个性化信息搜集智能体DOLTRL-Agent。近几年来，个性化信息推荐服务逐渐从理论走向实践，从探索走向完善，逐步成为商业街的焦点。
雅虎的推荐系统：雅虎的新闻、军事、财经、生活等很多频道早已使用了雅虎个性化推荐引擎。雅虎推荐引擎推荐的新闻除了雅虎自己编辑原创的新闻外，还有从各大门户网站上爬取的内容，包括新闻、短视频、图片、微博等。雅虎的推荐系统现在已经开始全球化的推广，通过大规模的推广统计发现推荐引擎极大的提高了用户的忠诚度。其系统的原理：雅虎推荐系统通过对新闻内容进行文本分析，进而提取到内容的关键词，进而形成索引。如果用户使用社交平台登录雅虎时，还可以对用户的社交网络行为进行分析，系统便会对用户的兴趣进行标记，最终形成用户画像。当用户访问系统时，系统就会分析出用户的兴趣，进而根据用户兴趣搜索出相关的内容，根据推荐排名进行推荐。亚马逊采用框架根据爬取的不同的的页面属性向用户推荐，该推荐系统需要一个能存储全方位视角客户的统。而且为了在用户与网站交互时系统可以做出准确的推荐，该系统还要具备了可以迅速获取和指定用户有关联的数据的能力。
4. 研究方案
1. 系统功能结构
系统总体功能结构如图1所示。
5. 工作计划
2022-2022-1学期：
第15-16周：完成选题，查阅相关中英文资料。
第17周：与导师沟通进行课题总体规划。
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。
