基于關(guān)鍵詞與混合特征的新聞協(xié)同推薦研究.pdf

1、互聯(lián)網(wǎng)的發(fā)展與競爭愈來愈激烈，不少主流網(wǎng)站紛紛將個性化推薦作為爭奪用戶和吸引眼球的前沿陣地。相比于百花齊放蓬勃發(fā)展的電子商務(wù)，新聞作為傳統(tǒng)的互聯(lián)網(wǎng)信息服務(wù)，其個性化服務(wù)上的發(fā)展卻不盡如人意，新聞的個性化推薦水平與其他行業(yè)相比仍存在較大差距。如果能夠更好挖掘出用戶的潛在閱讀興趣，提供相應(yīng)的個性化新聞推薦服務(wù)，就能夠吸引更多的用戶，產(chǎn)生更大的經(jīng)濟(jì)價值。
　　本文著眼于個性化的新聞推薦服務(wù)，首先介紹了個性化新聞推薦的相關(guān)背景與研究現(xiàn)狀，

2、對新聞推薦領(lǐng)域現(xiàn)有的各種技術(shù)和模型做了具體深入的探討與綜述，并對各種方法的優(yōu)缺點進(jìn)行了總結(jié)和對比。
　　同時，由于新聞資訊一般都會比較集中報道一些社會性的事件，往往幾個關(guān)鍵詞就能讓人們了解新聞的主要內(nèi)容是什么。為新聞提煉出關(guān)鍵詞不僅能滿足人們快速檢索新聞的需求，也能讓人們更加有效率地閱讀新聞，解決碎片化閱讀的難題。傳統(tǒng)的中文文本關(guān)鍵詞提取算法，大多基于統(tǒng)計學(xué)方法，沒有考慮詞與詞之間的語義關(guān)系，也比較容易受切詞結(jié)果的影響。針對傳統(tǒng)的

3、文本關(guān)鍵詞提取技術(shù)的不足，本文提出了一種結(jié)合詞向量與復(fù)雜網(wǎng)絡(luò)的關(guān)鍵詞抽取算法，能夠更好的建模詞語之間的語義關(guān)系和局部共現(xiàn)關(guān)系，實驗結(jié)果證明我們的方法提取出來的關(guān)鍵詞能夠更好地表達(dá)文章主題。
　　最后，我們將該算法運用到新聞推薦領(lǐng)域中，在傳統(tǒng)協(xié)同過濾方法的基礎(chǔ)上提出了一種基于關(guān)鍵詞和混合特征的新聞協(xié)同推薦模型，不僅考慮了用戶的行為特征和新聞的內(nèi)容特征，也綜合了協(xié)同過濾與content-base模型，在新聞推薦的公開數(shù)據(jù)集上取得了比傳