基于VSM和Bisecting K-means聚类的新闻推荐方法

• 作者: 李锋 袁仁进 陈刚 魏双建
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 个性化推荐 向量空间模型 BisectingK-means聚类算法 用户兴趣模型
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 研究报告
• 页码范围: 114-119
• 页数: 6页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.13190/j.jbupt.2018-067

摘要

针对海量新闻数据给用户带来的困扰,为提升用户阅读新闻的个性化体验,提出了融合向量空间模型和Bi-secting K-means聚类的新闻推荐方法.首先进行新闻文本向量化,使用向量空间模型和TF-IDF算法构建出新闻特征向量;采用Bisecting K-means聚类算法对新闻特征向量集进行聚类;然后将已聚类的新闻集分为训练集和测试集,根据训练集构建"用户—新闻类别—新闻"三层层次结构的用户兴趣模型;最后采用余弦相似度方法得出新闻推荐结果,并与测试集进行对比分析.实验以基于用户的协同过滤算法、基于物品的协同过滤算法、结合向量空间模型和K-means聚类的推荐方法为基准,实验结果表明,该方法具有可行性,在准确率、召回率和F值上都有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈刚	信息工程大学地理空间信息学院	46	368	9.0	18.0
2	李锋	信息工程大学地理空间信息学院	29	124	7.0	9.0
3	袁仁进	信息工程大学地理空间信息学院	3	10	1.0	3.0
4	魏双建	信息工程大学地理空间信息学院	2	13	2.0	2.0