基于主题提取和记忆模型的新闻推荐系统设计

• 作者: 钱程 阳小兰
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 新闻推荐 主题提取 记忆模型
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 系统结构
• 页码范围: 47-50,144
• 分类号: TP393
• 字数: 6138字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2012.06.016

摘要

互联网的飞速发展产生了“信息过载”问题,新闻推荐系统可以帮助用户快速找到符合自己兴趣的新闻.文章完成了一个基于主题推荐的新闻推荐系统的研究和实现,针对该系统的关键部分即新闻主题和用户兴趣模型做了深入的研究并进行了程序上的实现.文章提出了一种基于主题的新闻推荐方式,将概率主题模型引入到文本推荐中,并深入研究了采用Gibbs抽样算法的LDA主题提取模型.文章在研究基于记忆的用户兴趣模型基础上提出了相应的改进方法,主要是针对记忆模型对用户长短期兴趣不适应的问题,提出了根据用户访问频率来确定不同兴趣度衰减速度的改进方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱程	武昌理工学院信息工程学院	29	96	5.0	9.0
2	阳小兰	武昌理工学院信息工程学院	33	151	6.0	11.0