【尚风采（sun）】李凌霄申报的“基于大规模网络文本分析的个性化资讯推荐算法的研究与应用”项目成功立项

2016年11月15日，电子科技大学信息与软件工程学院工程教育实践中心发出公示——2017年学生重点竞赛项目与重点创新项目立项名单。据悉，李凌霄同学申报的“基于大规模网络文本分析的个性化资讯推荐算法的研究与应用”项目成功立项。

该项目的研究目的和意义：

如今整个世界已经逐渐步入了全面信息化的时代，各种新式的信息传播媒介不管是在传播的速度还是广度方面，都已经远远超过了传统的信息传播方式。如今人们接受资讯的媒介也由传统的书籍、报纸，逐渐转向为信息更为全面、丰富的互联网，随着智能手机、个人电脑在世界范围内的全面普及，新闻资讯的数字化阅读已经在全球成为主流。

但是同时在这样的背景之下，整个互联网每天都充斥着海量的信息，有极大的可能性用户不能通过人工选取的方式，及时得到需要并且准确的即时资讯信息。而无论是对于各大中小企业，或于个人而言，即时获取到精确、全面的信息，不管是对于未来企业发展还是个人利弊都显得尤为重要。另外，由于各个门户新闻网站彼此独立，每日主要发布的均为本网站的新闻资讯，并且资讯被人为分成各种类别（如，政治、经济、体育等），由于以上两点的限制，若是在单纯的用户人工操作上，很有可能造成用户因选择类别不够准确、选择网站范围过窄，而导致无法接收到潜在可能需要的信息。

当前，深度学习作为机器学习的前沿研究领域，可以自动从无标注数据中学习特征和分布规律，非常适合自然语言高维数，无标签和大数据的特点。因此，本项目基于深度学习方法的模型原理和用户的点击数据，利用基于神经网络的语言模型和词向量，对于多个门户新闻网站的文本进行搜集并进行分析，针对不同的用户的行为习惯及特点，发掘出其潜在的需求，且突破传统的网站范围，对用户进行跨网站的全面新闻资讯推送，使其得到最新、最全面并且最需要的新闻资讯，为用户提供最为方便、快捷的获取精确信息的服务。

   该项目的研究内容：

该项目的研究内容主要是针对大规模网络文本，进行跨网站的个性化资讯推送。旨在提出一种提供精确且迅速的深度推荐算法，在已知用户感兴趣的话题的基础上，针对不同用户进行潜在兴趣话题的挖掘，使用户接收到的资讯信息更为精准和全面。

   该项目的创新点与项目特色：

通过该团队的实际调研，发现目前在国外发达国家的大部分主流媒体已经逐渐转型，由传统的人工编辑方式，对来自不同出处的新闻进行筛选和发布，但是这种方式，不仅需要大量的人工消耗，并且因为个体差异，往往这种选取新闻的方式并不能很好的迎合每一个读者的兴趣点，所以从长远来看，拥有一种专门针对新闻类资讯，提供精确推荐的算法或者一套完善的系统，在将来的媒体业中是必不可少的。从网上一些对于新闻类APP的排行可以看出，相对于传统的媒体媒介，人们更倾向于数字化、移动化的媒介，而在其中智能聚合类APP均在榜首。而国内由于自身国家特色，新闻媒体业发展缓慢，如今仅有几家主流媒体在自己的APP上陆续开始进行研究性的试验。

所以反观本项目提出的第一点，跨多个网站，是突破原有的传统新闻格局，对大规模网络文本进行搜集，为用户提供更全面的资讯。第二点，对于网络文本的分析，是针对于特定类型的文本，利用数据挖掘分析的方法进行筛选、分类，更利于后期精确的推送。第三点，针对不同用户的特性进行个性化推荐，正是迎合了当今全球媒体业的发展趋势，这种方式提高了用户的体验，在为企业减少了人工成本的同时，使其得到更广的用户群。所以基于大规模网络文本的个性化资讯推送的相关研究应用具有很强的创新性和实用性。第四点，本项目采用深度学习的GPU加速方案，较传统基于CPU的聚类以及推荐方案，计算性能更强，更能满足当下移动互联网时代下的实时要求。