检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

个性化新闻推荐研究进展

计算机技术与发展 2023年第2期33卷 1-8页

作者：周帅都云程张仰森北京信息科技大学计算机学院北京100101 北京信息科技大学智能信息处理研究所北京100101

在线新闻推荐系统中,个性化新闻推荐是解决新闻信息爆炸问题,帮助用户便捷找到感兴趣新闻的一项重要技术。在过去的研究中,各种新闻推荐技术层出不穷,在提高用户体验上已取得显著成效。但由于在线新闻的多样性、动态性和时效性,新闻推... 详细信息

在线新闻推荐系统中,个性化新闻推荐是解决新闻信息爆炸问题,帮助用户便捷找到感兴趣新闻的一项重要技术。在过去的研究中,各种新闻推荐技术层出不穷,在提高用户体验上已取得显著成效。但由于在线新闻的多样性、动态性和时效性,新闻推荐仍是亟待发展且具有挑战性的。首先,从传统方法和深度学习方法的角度,对个性化新闻推荐进行展开,并对新闻建模及用户兴趣建模进行归纳总结,分析两类方法的技术特点和不足之处。然后,介绍个性化新闻推荐的数据集和评价方法,对典型新闻和用户兴趣建模方法的效果进行对比。最后,对该领域未来可能的研究方向进行展望。希望能对个性化新闻推荐、自然语言处理和数据挖掘相关领域的研究有所帮助。

关键词：新闻推荐新闻建模用户兴趣建模个性化深度学习

在线全文

学校读者我要写书评

暂无评论

个性化新闻推荐技术研究综述

计算机科学与探索 2020年第1期14卷 18-29页

作者：王绍卿李鑫鑫孙福振方春山东理工大学计算机科学与技术学院

新闻每时每刻都在发生,阅读新闻已经成为很多人的习惯。新闻媒体众多,网络媒体凭其迅捷性和便利性成为很多人的首选。网络新闻众多导致新闻过载,这就迫切需要个性化的新闻推荐系统,帮助用户快速地找到感兴趣的新闻。伴随着新闻大数据的... 详细信息

新闻每时每刻都在发生,阅读新闻已经成为很多人的习惯。新闻媒体众多,网络媒体凭其迅捷性和便利性成为很多人的首选。网络新闻众多导致新闻过载,这就迫切需要个性化的新闻推荐系统,帮助用户快速地找到感兴趣的新闻。伴随着新闻大数据的产生和移动互联网的蓬勃发展,个性化新闻推荐迎来了新的机遇和挑战。首先介绍了个性化新闻推荐的挑战性;然后提出了个性化新闻推荐系统的基本框架,该框架包含新闻建模、用户建模、推荐引擎和用户接口四个模块,并以该框架为基础,分别综述了每个模块的研究进展,列举了现有的个性化新闻推荐系统中四个模块所采用的技术;最后总结了常用数据集、实验方法、评测指标和未来的研究方向。

关键词：新闻推荐个性化推荐系统

在线全文

学校读者我要写书评

暂无评论

基于协同过滤的新闻推荐算法研究

电脑知识与技术 2022年第34期18卷 51-53页

作者：李梅淮南联合大学信息工程学院安徽淮南232001

协同过滤算法分为ItemCF算法和UserCF算法,分别侧重物品和用户,常用于新闻推荐。文章介绍了这两个基础算法及实现的步骤,并列出了这两个算法的优缺点。通过新闻数据集20Newsgroups比较了ItemCF算法和UserCF算法在准确率、召回率、覆盖... 详细信息

协同过滤算法分为ItemCF算法和UserCF算法,分别侧重物品和用户,常用于新闻推荐。文章介绍了这两个基础算法及实现的步骤,并列出了这两个算法的优缺点。通过新闻数据集20Newsgroups比较了ItemCF算法和UserCF算法在准确率、召回率、覆盖率及流行度这四个评价指标的值,ItemCF算法都低于UserCF算法。

关键词：新闻推荐 ItemCF算法 UserCF算法

在线全文

学校读者我要写书评

暂无评论

个性化新闻推荐技术研究

中国传媒科技 2022年第7期 137-139,143页

作者：胡箐妍河南日报报业集团河南郑州450001

随着互联网特别是移动互联网技术的飞速发展,用户可以浏览海量的新闻信息,但伴随丰富的新闻同时而来的还有信息过载问题。个性化新闻推荐系统应运而生,在合适的时间为用户推荐合适的新闻文章,帮助每个用户快速找到自己感兴趣的新闻。本... 详细信息

随着互联网特别是移动互联网技术的飞速发展,用户可以浏览海量的新闻信息,但伴随丰富的新闻同时而来的还有信息过载问题。个性化新闻推荐系统应运而生,在合适的时间为用户推荐合适的新闻文章,帮助每个用户快速找到自己感兴趣的新闻。本文首先介绍了个性化新闻推荐技术的研究现状,然后分析了常用的四种方法,最后总结了常用数据集、评价指标和存在的难点问题。

关键词：个性化新闻推荐信息过载互联网技术数据集

在线全文

学校读者我要写书评

暂无评论

面向位置的多样性兴趣新闻推荐研究

数据分析与知识发现 2018年第5期2卷 94-104页

作者：花凌锋杨高明王修君安徽理工大学计算机科学与工程学院淮南232001 安徽工业大学计算机科学与技术学院马鞍山243032

【目的】针对基于位置的混合推荐方法存在的相似度算法准确率低下和系统已有用户新位置冷启动问题,提出面向位置的多样性兴趣新闻推荐方法(DLR)。【方法】使用聚类算法对用户历史行为数据的位置标签进行聚类分析,再利用LDA模型和基于三... 详细信息

【目的】针对基于位置的混合推荐方法存在的相似度算法准确率低下和系统已有用户新位置冷启动问题,提出面向位置的多样性兴趣新闻推荐方法(DLR)。【方法】使用聚类算法对用户历史行为数据的位置标签进行聚类分析,再利用LDA模型和基于三维用户相似度算法的协同过滤技术为每个聚类位置分别建立一个偏好模型。【结果】推荐时通过GPS获取当前位置信息并确定相应的偏好模型,在此基础上生成两个偏好列表,分别截取偏好列表的Top-n,组成推荐新闻集。当用户处于新位置时,使用基于降维相似度算法的协同过滤技术生成推荐列表并截取Top-n,生成多样性推荐新闻集。【局限】未能解决系统新用户的冷启动问题。【结论】DLR方法在新闻推荐的多样性和准确性上均有明显提升,提高了用户的阅读满意度。

关键词：新闻推荐用户相似度位置服务协同过滤

在线全文

学校读者我要写书评

暂无评论

基于会话的双层注意力机制新闻推荐方法

南京邮电大学学报（自然科学版） 2021年第1期41卷 99-106页

作者：王海艳胡阳南京邮电大学计算机学院江苏南京210023 南京邮电大学江苏省无线传感网高技术研究重点实验室江苏南京210023 南京邮电大学江苏省大数据安全与智能处理重点实验室江苏南京210023

随着新闻信息的爆炸式增长,个性化新闻推荐对用户快速找到感兴趣的新闻变得非常重要。基于会话的推荐旨在根据用户的行为序列向用户推荐下一个可能感兴趣的项目。但是,现有方法大都忽略了会话内用户阅读行为的随机性和偶然性,难以捕捉... 详细信息

随着新闻信息的爆炸式增长,个性化新闻推荐对用户快速找到感兴趣的新闻变得非常重要。基于会话的推荐旨在根据用户的行为序列向用户推荐下一个可能感兴趣的项目。但是,现有方法大都忽略了会话内用户阅读行为的随机性和偶然性,难以捕捉用户的主要兴趣,或者将用户会话视为单个序列,忽视了用户兴趣在不同会话之间的演变和关联。文中提出了一种基于会话的双层注意力机制新闻推荐方法,该方法将用户行为序列划分成多个会话:首先使用卷积神经网络对用户点击的新闻特征进行提取;其次在兴趣感知注意力层结合门控循环单元和自注意力机制获取用户在每个会话内的主要兴趣;最后,在会话感知注意力层使用注意力机制建模当前会话和历史会话之间用户兴趣的关联程度以形成最终的用户兴趣表示。通过在真实世界的数据集上与基准方法进行对比实验,结果表明了所提方法在新闻推荐上的有效性。

关键词：新闻推荐基于会话的推荐注意力机制神经网络

在线全文

学校读者我要写书评

暂无评论

新闻推荐系统关键技术的研究与实现

新闻推荐系统关键技术的研究与实现

作者：刘军电子科技大学

学位级别：硕士

随着互联网和移动技术的发展,互联网上的新闻以惊人的速度增长,我们已经从信息匮乏的时代跨入另一个信息过载的时代,但是用户面对海量的新闻,却不能找到自己感兴趣的新闻,如何快速地把有价值的新闻准确推荐给感兴趣的用户成为了一项极... 详细信息

随着互联网和移动技术的发展,互联网上的新闻以惊人的速度增长,我们已经从信息匮乏的时代跨入另一个信息过载的时代,但是用户面对海量的新闻,却不能找到自己感兴趣的新闻,如何快速地把有价值的新闻准确推荐给感兴趣的用户成为了一项极富挑战性的工作。本文通过改进的文本聚类算法对新闻基于主题模型进行聚类,在不同的类簇下构建用户的兴趣模型,并改进了兴趣的衰减函数,来实现兼顾准确率和多样性的新闻推荐。本文的主要工作包括了以下几个方面:1、通过研究二分K-Means算法和FCM算法的不足,我们改进了更加适合新闻主题聚类的基于密度二分的K-Means算法和基于密度二分的FCM算法,解决了原始算法聚类结果不稳定,初始中心敏感,易陷入局部最优解的不足,并提高了聚类结果的准确率。改进算法通过启发式的优化目标函数,基于节点密度选择初始聚类中心点,每一次划分都基于目标函数最小化划分,具有明确的优化方向,聚类结果更加稳定,性能更优,解释性更强。2、基于新闻主题模型的聚类,提出了在不同类簇下的用户兴趣建模,能够很好的解决可能存在的“一词多义”问题,使得用户兴趣模型与新闻模型的匹配结果更加准确。并从时间上来区分用户的稳定兴趣和随机兴趣,通过稳定兴趣的筛选,使得推荐的准确率更好。同时考虑了用户兴趣随时间衰减的问题,改进了基于指数函数的衰减方法,提出了阶梯函数作为兴趣的衰减系数,更加符合实际情况,对于指数函数容易衰减为0的情况,修正为衰减为一个略大于0的常数作为用户对兴趣点的最后保留。3、对于特定类簇下的新加入新闻,只推荐给对该类簇感兴趣的用户,来减少对于这个类簇不感兴趣的用户与新闻匹配度的计算。按照匹配度的大小排序生成特定簇类下的用户推荐列表来提高推荐结果的准确率,并把不同类簇下的推荐列表按比例组合成最终的推荐列表来提高推荐的多样性和灵活性。

关键词：新闻推荐文本聚类 K-Means聚类 LDA TF-IDF

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于潜在类别模型的新闻推荐方法

情报杂志 2014年第1期33卷 161-166页

作者：文鹏蔡瑞吴黎兵武汉大学信息管理学院武汉 430072 武汉大学计算机学院武汉 430072

设计一种基于潜在类别模型的新闻推荐模型,包含用户、新闻关键词和新闻类别三个外显变量及一个潜在类别变量。将用户、新闻和类别分别归类到相应的潜在类别中,根据用户兴趣偏好预测用户登陆新闻网站后可能访问的新闻项,生成个性化的新... 详细信息

设计一种基于潜在类别模型的新闻推荐模型,包含用户、新闻关键词和新闻类别三个外显变量及一个潜在类别变量。将用户、新闻和类别分别归类到相应的潜在类别中,根据用户兴趣偏好预测用户登陆新闻网站后可能访问的新闻项,生成个性化的新闻推荐序列,并通过实验证明了该三元模型的优越性。

关键词：潜在类别模型用户偏好用户模型新闻推荐

在线全文

学校读者我要写书评

暂无评论

基于用户浏览日志的上下文相关新闻推荐

计算机工程与应用 2016年第22期52卷 99-104页

作者：张骁逸苏宇晏小辉北京邮电大学理学院北京100876 新华社技术局技术实验室北京100803 中国科学院计算技术研究所北京100190

个性化新闻推荐的难点在于用户在浏览新闻时目的性不强,容易受各种环境因素的影响,导致其浏览行为难以预测。以往的研究仅仅强调推荐内容相关的或者和用户长期兴趣相匹配的新闻,忽视了环境因素的影响。为此,需要研究上下文相关的新闻推... 详细信息

个性化新闻推荐的难点在于用户在浏览新闻时目的性不强,容易受各种环境因素的影响,导致其浏览行为难以预测。以往的研究仅仅强调推荐内容相关的或者和用户长期兴趣相匹配的新闻,忽视了环境因素的影响。为此,需要研究上下文相关的新闻推荐算法。具体做法是从用户的浏览日志中提取上下文相关特征,然后训练一个Logistic回归模型来预测用户接下来最可能阅读的新闻。真实数据上的实验结果表明,上下文相关新闻推荐方法效果明显好于传统方法,也验证了上下文信息对用户浏览行为的重要影响。

关键词：新闻推荐上下文相关 Logistic回归