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