新闻发布系统论文哪里有？本文主要研究的内容是： 首先分析新闻的文本信息，系统自动对新闻消息提取关键字，之后进行详细的分析。 其次是组建一个包含用户兴趣指标的数据集，通过历史行为数据，构建用户阅读兴趣模型。 然后通过利用用户兴趣特征进行新闻推送研究。通过用户画像模型分析得到一个关联内容的权重排序的集合结果，向用户推荐新闻。
第 1 章 引言
1.2.2 国外研究现状
搜索引擎技术的发展依赖于文本分类、信息推荐以及数据检索技术等。通过利用搜索引擎工具，高速筛选信息量，降低搜索信息范围和数据信息量。上世纪末提出个性化推荐技术，与其他领域密切相关。”Watcher“和”LIRA“，是最早应用个性化推荐技术的推荐系统，而且在电子商务领域应用最广。
协同过滤算法在 20 世纪 90 年代被广泛使用，主要适用于推荐系统当中。例如信息类服务网站、网上学习和电子商务等领域广泛使用推荐算法。2001 年，Cyber Dialogue时报针对于使用在线购物的用户的使用情况进行了调研与统计分析，根据调查结果表示，使用个性化推荐的电商网站的销售额大幅度的提升。据统计的用户显示，认为具有个性化推荐服务的网站更加有吸引力的用户占比为 50%，有 63%的用户表态愿意注册为会员的目的就是为了获取个性化推荐服务[19]。
Digg 网站的新闻推荐系统，当用户提交新闻时，系统会判断新闻，用户在很多的情况下，则在页面上展现。用户在网站中占据重要的角色，主要是通过用户交互进行展现，但是没有针对不同用户的个性化推荐的功能[15]。
Amazon 是一家网络销售的书店。不仅为客户提供基本的功能之外，还为客户提供个性化的推荐服务。通过注册后的用户的购买情况以及浏览信息，以人为本，为用户推荐图书。
Findory 个性化推荐系统，主要是分析网站上的用户点击新闻历史纪录，根据分析系统对用户画像的分析，寻找出与该用户兴趣特征相同或相似的阅读新闻记录，根据记录为用户提供推送服务。
新闻发布系统论文
..........................
第 3 章 系统的需求分析
3.1 系统非功能性需求分析
1、可靠性
在规定的条件和时间内需要维持的属性，成熟性、容错性和易恢复性。其中成熟性是指性能失效的频度；容错性是指在软件出故障或者接口错误的情况下，维持性能水平；易恢复性是指错误发生后，恢复到性能水平的能力。 需要在指定条件和时间内维护的属性，含有成熟度，容错性和可恢复性。 性能失效的频度是在说成熟度；在软件发生故障时，接口发生错误时系统具有容错性；当发生错误时可以及时进行恢复。 2、可扩展性
可扩展性是指在随着互联网信息量的增加，各大网站的访问量剧增，或者是伴随着时间的变化，访问量的大幅动变化。所以在系统设计的时候就对各个功能单一切割，根据系统能够承载的状况启动不同规模的群组。
3、易用性
易用性包括理解、学习、操作三个方面。它与用户的学习能力、逻辑理解能力和用户的操作能力相关。这就要求界面设计友好，易操作。
4、效率
效率是指在特定的条件下系统执行的响应效率以及吞吐量，还有所使用的资源数量及其使用时间等。
5、维护性
维护性是指系统在与进行指定的修改所需的努力有关的一组属性。包括：易分析、可更改、稳定且易于测试，以便提高系统的可维护性。
6、可移植性
可移植性是指可从某一环境转移到另一环境的能力有关的一组属性。包括：适应性强、易于安装、可更换。
........................
第 5 章 系统的详细设计
5.1 新闻展示模块设计
该系统分为前台和后台两大模块，该小节是对前台的主要模块进行设计，包括：新闻首页展示界面、用户登录/注册、新闻的浏览/评论次数的展示、以及热门资讯。
用户可以在”登录/注册“功能处，进行登录或注册，用户在登录的状态下，可以查看到发布者中心，具有相似度的好友推荐，以及个人信息的动态、资料、关注、粉丝、收藏、消息等信息。用户在登录界面申请注册，待用户登录后可以在发布者中心提交申请，进入到个人中心，可以查看内容管理、粉丝统计、评论管理、账号的信息。用户可以在内容管理模块发布新闻，进行新闻内容管理删除操作。申请用户流程图，如图 5.1所示。
图 5.1 申请用户流程图
......................
第 7 章 系统的测试
7.1 测试方法
使用黑盒测试方法中的边界值测试以及等价类划分，进行功能性测试。目的是为了检查本系统的功能设计是否可以根据需求正常使用，对功能和数据的操作是否可以反馈出正确的输出信息，各个业务流程能够满足用户需求。主要是手工对系统进行测试。
本章是对新闻推荐系统的测试，主要是对测试方法、测试环境测试用例两个方面进行测试的阐述。测试用例主要是对新闻发布、新闻推荐、相似度可视化计算、前台个人中心等功能进行测试。
...................
第 8 章 总结与展望
8.2 展望
本文设计的新闻推荐系统的推荐效果已经得到了测试验证，可以为用户提供一个较为准确的推荐结果。在整套新闻推荐系统的设计与实现还有很多不足之处，一些工作还需要继续优化，对此总结了一些问题，总结内容有以下两点：
（1）本文所用到的文本分类只用到了一层结构，进一步提高文本分类的精准度，使之更能符合新闻领域的特性。
（2）面对海量新闻数据，处理起来会增加复杂程度。如何优化根据用户兴趣画像计算用户相似性，以及按照新闻关键字、分类提取计算新闻相似性的计算步骤，适应大规模计算也是今后需要关注的问题。
参考文献（略）
