基于用户浏览日志的上下文相关新闻推荐

• 作者: 张骁逸 晏小辉 苏宇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 新闻推荐 上下文相关 Logistic回归
• 年，卷（期）: 2016,（22）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 99-104
• 页数: 6页
• 分类号: TP311
• 字数: 6315字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1503-0326

摘要

个性化新闻推荐的难点在于用户在浏览新闻时目的性不强，容易受各种环境因素的影响，导致其浏览行为难以预测。以往的研究仅仅强调推荐内容相关的或者和用户长期兴趣相匹配的新闻，忽视了环境因素的影响。为此，需要研究上下文相关的新闻推荐算法。具体做法是从用户的浏览日志中提取上下文相关特征，然后训练一个Logistic回归模型来预测用户接下来最可能阅读的新闻。真实数据上的实验结果表明，上下文相关新闻推荐方法效果明显好于传统方法，也验证了上下文信息对用户浏览行为的重要影响。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张骁逸	北京邮电大学理学院	1	11	1.0	1.0
2	苏宇		2	11	1.0	2.0
3	晏小辉	中国科学院计算技术研究所	2	11	1.0	2.0