基于時序行為和標簽關系的個性化新聞推薦系統(tǒng)研究.pdf

1、互聯(lián)網上海量、實時更新的新聞，滿足了不同用戶的新聞閱讀需求。據中國互聯(lián)網絡信息中心的最新統(tǒng)計，83％的互聯(lián)網用戶習慣于在互聯(lián)網上閱讀新聞。隨著越來越多的用戶通過移動設備和無線網絡接入互聯(lián)網，如何幫助互聯(lián)網用戶在海量新聞中尋找到其感興趣的新聞變得愈發(fā)必要和迫切。個性化新聞推薦技術作為解決互聯(lián)網新聞過載問題的重要的手段，得到工業(yè)界和學術界高度重視，許多相關的算法與系統(tǒng)被不斷提出和開發(fā)，個性化新聞推薦算法已成為數據挖掘與機器學習領域的一個研究

2、熱點。
　　個性化新聞推薦算法根據用戶瀏覽行為和新聞的內容，采用各種數據挖掘技術，分析并挖掘用戶的興趣，主動地向用戶推薦其感興趣的新聞。個性化新聞推薦算法不僅能夠幫助用戶發(fā)現(xiàn)其感興趣的新聞，而且可以提升用戶對網站的滿意度，增加用戶粘性。
　　針對現(xiàn)有個性化新聞推薦算法很少考慮用戶瀏覽行為的時序特性以及忽略了蘊含豐富信息的新聞標簽的作用與價值的問題，本文對個性化新聞推薦算法展開了研究，主要創(chuàng)新工作如下：
　　(1)在用戶

3、瀏覽新聞的過程中，用戶瀏覽新聞而產生的行為數據是一種時間序列數據。但是，現(xiàn)有的新聞推薦算法很少考慮用戶瀏覽行為的時序特性，從而造成在預測用戶將要閱讀的下一則新聞時表現(xiàn)出較差的性能。為了解決上述問題，本文考慮用戶行為的時序特性和用戶所處的上下文，提出了時序性協(xié)同過濾新聞推薦方法。與該方法相匹配，在相似度計算方法上，本文提出了一種名為時間依賴性相似系數的方法，彌補了傳統(tǒng)相似度計算方法在計算長期用戶和短期用戶的相似度方面的不足。
　　(