博客推荐系统的设计与实现开题报告

1. 研究目的与意义

博客是继msn、bbs、icq之后出现的第4种网络交流方式，是网络时代的个人读者文摘网络日记，它代表着新的生活、工作和学习方式，受到读者的喜爱。

随着博客用户数量的不断增加，博客数据也呈爆炸式增长。

面对如此众多繁杂的博客数据，用户往往花费大量的时间和精力去寻找其感兴趣的博客信息。

2. 课题关键问题和重难点

博客推荐属于文章推荐的一种，因此我需要解决推荐问题和解决自然语言处理的问题，包括关键词提取、文本向量化、情感分析、文本分类等技术。

对关键词进行抽取需要建立主题模型，得到主题的词分布和文档的主题分布信息，其中涉及到奇异值分解技术和部分贝叶斯学派的方法。

文本向量化要求我们建立神经网络语言模型，由于语料数据较多，巨大的权重矩阵将会占用大量内存（大于2gb）。

3. 国内外研究现状（文献综述）

传统的推荐系统技术主要包含基于邻域的算法和基于内容的推荐算法。

基于邻域的算法是推荐系统中最基本、最流行的算法。

基于邻域的算法分为两大类，一类是基于用户的协同过滤算法，另一类是基于物品的协同过滤算法。

4. 研究方案

分析并实现基于邻域的算法和基于内容的推荐算法，结合自然语言处理技术，设计博客推荐系统，并通过真实世界的数据，比较各类推荐算法的优劣。

设计方案将采用增量过程模型，逐步增加产品功能。

研究方案采用文献研究、实验研究等。

5. 工作计划

（1） 今-3月1日：数据预处理，完成对博客的分词、去除无用词工作。

（2） 3月1日-3月15日：通过关键词提取技术，如lsa/lsi/lda算法，生成博客标签，获取用户偏好。

（3） 3月15日-4月1日：建立神经网络语言模型，实现文本向量化，计算文本相似度。