基于词嵌入的个性化新闻推荐算法研究

发布时间：2022-01-26 05:20

　　互联网技术的发展,越来越多的人将阅读的方式转变为网上阅读。新闻推荐作为一种新闻过滤和用户定位的手段,可以根据用户历史的阅读习惯为用户推荐其可能感兴趣的新闻话题,帮助用户在大数据时代下,准确的获得有效信息,节省大量的阅读成本,有效的解决了大数据带来的信息过载问题。而目前对于信息过载条件下的推荐系统研究主要集中在电子商务领域,对于新闻的个性化推荐研究较少,但新闻作为日常生活必不可缺的一部分,更新迭代速度快,信息量大,用户很难及时的捕获到自己感兴趣的信息。因此,针对新闻进行个性化推荐具有重要意义。协同过滤模型是经典的推荐算法模型,取得了较好的成果,且随着统计学的发展,神经网络的出现将神经网络与协同过滤相结合的神经协同过滤模型又进一步提升了推荐系统精度,然而,这两种模型均存在着一定的局限性,例如都是通过用户和项目的交互记录来提取用户的行为特征,没有充分利用可用的额外信息,限制了推荐准确度的提升,且对于稀疏数据较为敏感。因此,本文将结合文本挖掘技术与神经协同过滤模型在新闻推荐领域的应用进行研究。首先对目前主流的推荐算法和文本特征表示的相关原理进行详细的分析和介绍,并总结了各个方法的优缺点。在此基... 

【文章来源】：上海师范大学上海市

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

淘宝推荐实例

喜欢并且适合自己的裙子，这就是信息过载造成的用户挑浏览所有的待推荐项目并从中筛选出自己感兴趣的项目析大量的用户行为日志，找出用户的历史行为特点，并且史行为，产生各不相同的推荐列表。r 等曾经将推荐系统定义为是利用数据挖掘技术和预测算数据、项目特征数据、用户特征数据等预测用户感兴趣的mavicius 等用数学语言给出了推荐系统的定义：用待推荐用户集合，用 表示所有待推函数 f ，用来衡量用户 i 对项目 j 的效用又称感兴R，其中n=mR 表示评分矩阵，矩阵中每个元素表示用算法的目的就是在项目集合V 中找到用户u U最感兴趣下面的公式（2-1）来表示：, arg max ( , )uv Vu U v f u v = 工作流程可以用下图表示，工作流程如下所示：{u iU = { | 1, 2,..., }jV = v j =n

图 2-2 基于内容的推荐算法示意图上面流程图可以清楚的发现，推荐算法是根据用户的历史行为，产户兴趣的几个关键词作为用户的兴趣爱好模型。并计算待推荐新闻好的相似程度给出推荐列表。目前最常用的文本特征表示方法就是，通过提取关键词，构建关键词表，将用户的兴趣特征和新闻的特空间中的一个高维向量，并根据向量的相似程度的大小来衡量用户相似程度。一个用户兴趣偏好和新闻特征可以表示为下式所示的向量：1 2( , ,..., )kD = w w w（2kw 表示特征的权重，即用户在这个关键词上的偏好程度，例如，用这个词上的权重为 0.8，表示用户对于游戏的喜好程度相当高，因


本文编号：3609894