基于隱式專家的個性化新聞推薦.pdf

1、信息時代的發(fā)展使得人們能夠快速方便的通過新聞網(wǎng)站(Google News，Yahoo News)和移動應用(CNN Mobile)瀏覽世界各地發(fā)生的新聞。然而，大量的新聞不間斷的產(chǎn)生導致用戶信息過載，使得用戶很難快速發(fā)現(xiàn)符合自身興趣的新聞。因此一個重要的研究課題就是如何幫助在線讀者自動發(fā)現(xiàn)滿足用戶興趣的新聞，推送給讀者，稱為個性化新聞推薦。基于不同策略的新聞推薦系統(tǒng)已經(jīng)被廣泛應用到在線新聞閱讀服務中。本文主要研究新聞推薦中的冷啟動問題和

2、數(shù)據(jù)稀疏性問題，并提出基于隱式專家和近鄰的混合推薦框架PRemiSE，主要包含以下內(nèi)容:
　　第一，如何緩解數(shù)據(jù)稀疏性問題？大部分用戶歷史閱讀行為較少造成得到的反饋或者評分數(shù)據(jù)比較稀疏，導致傳統(tǒng)推薦方法不能有效的獲取用戶訪問模式計算用戶或者物品之間的相似性。
　　第二，如何緩解冷啟動問題？包括用戶冷啟動和物品冷啟動兩方面，指對于新發(fā)布的新聞或者新注冊的用戶該如何進行推薦。在線閱讀用戶不斷的加入和新聞的動態(tài)產(chǎn)生使得冷啟動問題在

3、該課題中尤為重要。
　　第三，極少的工作研究了“專家”在推薦系統(tǒng)的作用，我們提出PRemiSE混合推薦框架，通過概率矩陣分解（Probabilistic Matrix Factorization）融合新聞文本內(nèi)容，協(xié)同過濾和隱式用戶傳播網(wǎng)絡。基于用戶閱讀偏好，新聞語義信息，隱式專家意見更準確的生成預測評分。
　　在真實新聞數(shù)據(jù)集上做了詳細的數(shù)據(jù)分析和實驗驗證，驗證基于用戶訪問日志來構(gòu)建隱式用戶網(wǎng)絡的可行性和有效性?；谠摼W(wǎng)絡