版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 早新聞關鍵詞
- 基于統(tǒng)計與協(xié)同過濾的關鍵詞提取研究.pdf
- 基于超圖的文本摘要與關鍵詞協(xié)同抽取研究.pdf
- 基于語料庫的航運新聞積極關鍵詞研究.pdf
- 基于聚類的網(wǎng)絡輿情熱點關鍵詞推薦研究.pdf
- 基于改進特征值的語音關鍵詞提取.pdf
- 基于新聞報道的中文關鍵詞抽取算法研究.pdf
- 關鍵詞 長尾關鍵詞 拓展技巧
- 基于聚類分析的中文新聞網(wǎng)頁關鍵詞提取方法研究.pdf
- 基于詞跨度的網(wǎng)頁關鍵詞提取方法研究.pdf
- 基于關鍵詞的語義搜索.pdf
- 基于詞共現(xiàn)的關鍵詞抽取算法研究.pdf
- 基于文本的關鍵詞提取方法研究與實現(xiàn).pdf
- 基于關鍵詞的垃圾網(wǎng)頁判別研究.pdf
- 基于關鍵詞匹配的應用識別與跟蹤.pdf
- 關鍵詞:社會轉型的銘文——論中國當代社會轉型中新聞關鍵詞的解構與建構.pdf
- 基于HMM的關鍵詞檢測系統(tǒng).pdf
- 關鍵詞企業(yè)
- 論文關鍵詞
- 面向新聞語料的漢語語音關鍵詞檢測技術研究.pdf
評論
0/150
提交評論