中科爱心救助 https://4001582233.114.qq.com/ndetail_3913.html
考研指南

上海院校考研指南:上海理工大学|上海大学|上海交通大学|华东师范大学|华东政法大学|同济大学|东华大学|上海体育学院|上海财经大学|上海师范大学

江苏院校考研指南:苏州大学

浙江院校考研指南:浙江传媒学院

浙江大学

浙江工业大学

西北院校考研指南:宁夏大学

兰州大学

一、个性化新闻推荐的原理及其特征个性化新闻推荐系统是在掌握用户数据的基础上,对用户的兴趣和需求做出预测,并通过信息过滤算法将不同的信息推送给不同的用户,从而实现千人千面的个性化效果。具体到个性化新闻推荐系统的运作,大致可分为三个步骤:

首先,通过与媒体以及自媒体的签约合作,“今日头条”等从事个性化资讯服务的互联网公司可获得大量的信息资源。对于一则新的资讯,推荐系统将通过内容分析器的特征抽取技术,把资讯内容从原始信息空间转换到目标空间中,表示成关键词向量。

其次是信息学习器模块。它的作用是收集用户数据,构建用户画像。通过机器学习等技术,推荐系统将收集到的用户基本数据和行为数据(来自用户所使用的上网设备的信息、历史浏览记录、社交平台数据等)转化为事实标签,再给用户的行为(例如点击阅读、点赞、评论、转发、收藏等)、访问时长、衰减因子等因素设置相应的权重,从而从众多行为中发现用户真正的兴趣,计算出用户对某类信息的兴趣标签值,形成一组偏好。然后将偏好值转化为特征向量,可计算出与其他用户的距离,从而找出有相似行为的用户集。结合数据挖掘,已知的用户数据可以用于训练,形成一个预测模型,再将该模型用于未知偏好的用户样本的测试,从而不断提升预测用户需求的算法的准确度。

再次,经过前面两个步骤,算法已经识别出有相似偏好的用户并且进行相关资讯的聚类。接下来,过滤组件模块通过匹配用户特征和待推荐的文章的特征来完成推荐。该过程是基于某种相似度(如用户的偏好向量和文章关键词向量的余弦相似度)的计算,生成对于某个用户来说潜在的感兴趣的文章的排名列表,从而决定为该用户推送哪篇文章。

通过对推荐运作过程的剖析,不难发现,个性化新闻推荐所呈现给用户的信息是人机交互的结果,算法在其中决定着信息的分发。在新闻信息的推送中,常见的个性化推荐算法可分为四种:一是基于内容的协同过滤新闻推荐;二是基于用户的协同过滤新闻推荐;三是基于知识(语义)的新闻推荐;四是混合新闻推荐,结合内容和协同过滤的混合推荐是使用最广泛的。基于内容/物品的协同过滤(item-basedcollaborativefiltering,简称itemCF)算法和基于用户的协同过滤(user-basedcollabora-tivefiltering,简称userCF)算法的区别主要在于前者是根据物品之间的相似度来做出推荐,更适用于电子商务和娱乐场景的推荐;而后者是根据用户之间的相似度来做出推荐,更适用于社会化场景,如社交网站。具体到新闻资讯的推荐,对于用户而言,获取资讯是首要目的,个人兴趣则相对宽泛———只有对特定领域的

欢迎转载,转载请注明原文网址:http://www.zhejiangzx.com/zjly/9422.html
------分隔线----------------------------