1、隨著Internet的飛速發(fā)展，網(wǎng)絡數(shù)據(jù)量不斷增加，給用戶帶來了信息過載的問題。面對海量的資訊信息，資訊客戶端面臨著如何為不同的用戶提供令其滿意的閱讀體驗的問題，用戶同樣面臨著如何篩選出自己喜歡的資訊信息，節(jié)省閱讀時間，提高閱讀效率的問題。近年來，對個性化推薦系統(tǒng)的研究逐漸成為各界研究的重點對象，為用戶提供其自身感興趣的個性化推薦是成為資訊系統(tǒng)開發(fā)者迫切解決的問題。個性化資訊推薦系統(tǒng)可以通過準確挖掘用戶的興趣偏好，建立完善的用戶興趣模型

2、，采用適合自身特點的推薦策略，為用戶推薦個性化資訊信息，提高用戶滿意度。
　　目前，市場上的資訊推薦系統(tǒng)大都通過新聞熱度的高低為用戶做推薦，或根據(jù)用戶歷史的閱讀數(shù)據(jù)，通過基于內(nèi)容的推薦策略為用戶推薦與其興趣偏好一致的資訊，推薦內(nèi)容較為單一，無法發(fā)現(xiàn)用戶新的興趣偏好。“能源頭條”個性化資訊推薦系統(tǒng)力求打造為一款為用戶私人訂制的資訊類APP，本文的研究目的是，找到一種高效的推薦策略，可以針對不同的用戶類型以及用戶行為特點，幫助用戶發(fā)現(xiàn)

3、其新的興趣點的同時，迅速準確地為用戶推薦滿意度高的資訊信息。
　　本文研究的主要內(nèi)容包括，通過對推薦對象模型即資訊主題模型的研究與用戶興趣模型的研究提出了一種基于主題模型的個性化推薦策略，解決了推薦系統(tǒng)中常存在的冷啟動問題以及數(shù)據(jù)稀疏問題。
　　本文采用LDA主題模型的建模方式為資訊建立主題模型，并將其應用到用戶興趣模型的建立中，為了提高推薦的精度，在模型中加入了情景信息，以解決時間與位置因素對推薦造成的影響。推薦方案的設計