用户浏览新闻行为分析与智能推荐模型
一、模型应用
个性化推荐是当今社会的一个主流服务,不管是现实生活中,还是常常接触到的网站上内容,例如:超市物品个性化的摆放,网上新闻的个性化推荐等等。都是基于用户的历史行为数据,经过数据挖掘技术,挖掘出其隐藏的重要信息。
但是与当今蓬勃发展的电子商务网站相比,新闻的个性化推荐服务水平仍存在较大差距。一个互联网用户可能不会在线购物,但是绝大部分的互联网用户都会在线阅读新闻。因此新闻资讯类网站的用户覆盖面更广,如果能更好地挖掘用户的潜在兴趣并进行相应的新闻推荐,就能为新闻网站类企业带来更大的经济效益。
为了满足不同类型用户的网络资讯需求,提升用户浏览新闻体验。本案例基于用户浏览记录数据集,探索分析了用户的浏览行为,根据不同用户的浏览行为,为其提供个性化的新闻推荐。
二、实现流程
本次数据挖掘建模的主要流程为:
(1) 数据抽取,抽取所需数据集。
(2) 数据探索,对用户的浏览行为初步分析,新闻内容的探索分析。
(3) 数据预处理,包括数据清洗、属性变换、属性构造、文本分词处理。
(4) 模型构建与评价,根据新闻文本内容,基于LDA模型对新闻分群。
(5) 构建时序加权的协同过滤智能推荐模型,并建立评价指标精确率、召回率、F1值对模型分类效果进行评价。
(6) 分析结果,总结和建议。
三、核心技术
· 文本分词处理
· LDA模型
· 协同过滤智能推荐模型
四、你可以将本模型用于
· 教与学:可落地操作、学生参与度高、交互性强;
· 科研:将协同过滤算法与具体行业应用结合,为科学研究提供素材。
· 生产:将模型改进后直接用于实际生产环境:智能个性化推荐。
五、运行环境
windows/linux/mac OS,64位操作系统,内存:4GB,R3.5.1以上
六、资源展示
评论已有 0 条