基于關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，新聞作為傳統(tǒng)的互聯(lián)網(wǎng)信息服務，其個性化服務上的發(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，提供相應的個性化新聞推薦服務，就能夠吸引更多的用戶，產生更大的經濟價值。
　　本文著眼于個性化的新聞推薦服務，首先介紹了個性化新聞推薦的相關背景與研究現(xiàn)狀，

2、對新聞推薦領域現(xiàn)有的各種技術和模型做了具體深入的探討與綜述，并對各種方法的優(yōu)缺點進行了總結和對比。
　　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，往往幾個關鍵詞就能讓人們了解新聞的主要內容是什么。為新聞提煉出關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)的中文文本關鍵詞提取算法，大多基于統(tǒng)計學方法，沒有考慮詞與詞之間的語義關系，也比較容易受切詞結果的影響。針對傳統(tǒng)的

3、文本關鍵詞提取技術的不足，本文提出了一種結合詞向量與復雜網(wǎng)絡的關鍵詞抽取算法，能夠更好的建模詞語之間的語義關系和局部共現(xiàn)關系，實驗結果證明我們的方法提取出來的關鍵詞能夠更好地表達文章主題。
　　最后，我們將該算法運用到新聞推薦領域中，在傳統(tǒng)協(xié)同過濾方法的基礎上提出了一種基于關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