基于改进的隐马尔可夫模型的新闻推荐算法

• 作者: 周从华 张丹
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 新闻推荐 时间序列 隐马尔可夫模型 阅读轨迹 驻留时间
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 算法与分析
• 页码范围: 2332-2337
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.10.006

摘要

推荐系统已经应用到各行各业中,新闻推荐也应运而生.用户在阅读新闻时一般是时间序列的形式,然而,传统的新闻推荐算法很少考虑用户浏览行为的时间序列特征.因此,它并不能有效地预测用户阅读的下一篇新闻.针对这一问题,将隐马尔可夫模型融入到新闻推荐算法中,根据用户的阅读轨迹,找到用户下一时刻阅读概率最高的新闻.在此基础上,加入状态驻留时间元素,将隐马尔可夫模型的五元素扩展为六元素,以此来提高推荐准确度.为证明解决方案的有效性,与其他的新闻推荐算法进行了对比,结果显示论文算法在F1指标上约提高了14％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周从华		46	193	7.0	11.0
2	张丹		3	1	1.0	1.0