全文总字数：3697字
文献综述
文 献 综 述一﹑系统开发的背景及意义随着互联网行业的飞速发展，技术的发展日新月异，互联网从业者需要紧跟潮流，才能不被新势力淘汰，为了帮助互联网从业者轻松获得最新，最全，最有含金量的技术文章，了解互联网行业的时事新闻，一个数据驱动的新闻推送平台是不可或缺的。
新闻推送微服务平台收集时事新闻，同时邀请权威的撰稿人和自媒体人入驻，提供媒体人编辑端，以进行技术文章的编写，并通过大数据存储，大数据统计分析和一系列推荐算法构建推荐支撑系统，根据用户的喜好和访问类型生成使用画像，为每个用户提供定制化的，精准的文章，减少了用户筛选文章和新闻的时间，充分利用碎片化时间增长知识，提高自己在职场中的竞争力。
数据驱动的新闻推送平台不仅仅可以获取知识，它还是一个互联网从业者的聚集地，一个生活化的社区。
除了提供时事技术新闻的推送，用户可以对个人文章表达态度，撰稿人可以根据点赞，踩，阅读量等信息，了解文章受众的喜好，编写更迎合受众的文章；平台还包括了吐槽圈子，交友，问答等频道，其中交友频道实现了即时通讯，允许趣味相投的两名用户使用网络实时的进行收发文字消息；互联网从业者的工作时长相对于其他行业更加饱和，除开工作外，留给个人生活的时间就比较拮据，很难和线下的朋友吐露心声，吐槽圈子是一个可匿名的分区，在这里的其他用户是互联网从业人最好的倾听者；在工作过程中总会遇到一些技术难题，身边的人可能无法给你帮助，问答区可以进行无偿或有偿提问，让全国各地的技术大牛为你解惑。
总的来说，数据驱动的新闻推送平台致力于打造一个有温度，有态度的互联网人社区。
二﹑课题涉及技术平台基础的时事新闻主要来源于各大新闻网站，通过Java的爬虫框架WebMagic获取到海量的数据之后进行处理，并使用分布式文件存储的数据库MongoDB代替Mysql来进行海量数据的存储；新闻智能推送的重要支柱推荐系统采用的技术是Spark配套的机器学习库Spark Mllib。
用户平台，社区管理员平台的编写采用的是前后端分离模式，前端采用Vue.js配合常用组件库如element-UI来构建，后端采用Spring Boot搭配Spring Cloud的微服务架构，提供优质的用户体验。
1.Spark MllibMLlib 是 Spark 的机器学习库，旨在简化机器学习的工程实践工作，并方便扩展到更大规模。
MLlib 由一些通用的学习算法和工具组成，包括分类、回归、聚类、协同过滤、降维等，同时还包括底层的优化原语和高层的管道 API。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
