面向新闻推荐的用户兴趣模型构建与更新

• 作者: 李锋 袁仁进 陈刚
• 来源期刊: 计算机应用研究
• 关键词: 个性化推荐 向量空间模型 用户兴趣模型 用户兴趣漂移 遗忘函数
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3593-3596
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.05.0388

摘要

针对新闻推荐系统中用户兴趣模型构建与用户兴趣漂移问题,提出了一种面向新闻推荐的用户兴趣模型构建与更新方法.首先采用向量空间模型与bisecting K-means聚类算法构建了原始用户兴趣模型;然后以艾宾浩斯遗忘曲线为基础构造了遗忘函数,并以此对用户兴趣模型进行时间加权,从而达到对用户兴趣模型更新的目的.实验以基于用户的协同过滤推荐、基于物品的协同过滤推荐为baseline,实验结果表明所构建的原始用户兴趣模型推荐性能更优,在F值上提升了4％,更新后的模型与原始模型相比F值提高了1.3％.

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