基于隐式专家的个性化新闻推荐

《基于隐式专家的个性化新闻推荐》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、厦门大学学位论文原创性声明本人呈交的学位论文是本人在导师指导下，独立完成的研究成果。本人在论文写作中参考其他个人或集体已经发表的研究成果，均在文中以适当方式明确标明，并符合法律规范和《厦门大学研究生学术活动规范(试行)》。另外，该学位论文为()课题(组)的研究成果，获得()课题(组)经费或实验室的资助，在()实验室完成。(请在以上括号内填写课题或课题组负责人或实验室名称，未有此项声明内容的，可以不作特别声明。)声明人(签孙评虮虱鼍≯IL}年r剧苫日。厦门大学学位论文著作权使用声明本人同意厦门大学根据《中华人民共和国学位条例暂行实施

2、办法》等规定保留和使用此学位论文，并向主管部门或其指定机构送交学位论文(包括纸质版和电子版)，允许学位论文进入厦门大学图书馆及其数据库被查阅、借阅。本人同意厦门大学将学位论文加入全国博士、硕士学位论文共建单位数据库进行检索，将学位论文的标题和摘要汇编出版，采用影印、缩印或者其它方式合理复制学位论文。本学位论文属于：)1．经厦门大学保密委员会审查核定的保密学位论文，于年月日解密，解密后适用上述授权。()2．不保密，适用上述授权。(请在以上相应括号内打“√”或填上相应内容。保密学位论文应是已经厦门大学保密委员会审定过的学位论文，未经厦

3、门大学保密委员会审定的学位论文均为公开学位论文。此声明栏不填写的，默认为公开学位论文，均适用上述授权。)声明人(蚴：谫矾斗wI斗年罗月l譬日摘要信息时代的发展使得人们能够快速方便的通过新闻网站(GoogleNews，YahooNews)和移动应用(CNNMobile)浏览世界各地发生的新闻。然而，大量的新闻不间断的产生导致用户信息过载，使得用户很难快速发现符合自身兴趣的新闻。因此一个重要的研究课题就是如何帮助在线读者自动发现满足用户兴趣的新闻，推送给读者，称为个性化新闻推荐。基于不同策略的新闻推荐系统已经被广泛应用到在线新闻阅读服

4、务中。本文主要研究新闻推荐中的冷启动问题和数据稀疏性问题，并提出基于隐式专家和近邻的混合推荐框架PRemiSE，主要包含以下内容：第一，如何缓解数据稀疏性问题?大部分用户历史阅读行为较少造成得到的反馈或者评分数据比较稀疏，导致传统推荐方法不能有效的获取用户访问模式计算用户或者物品之间的相似性。第二，如何缓解冷启动问题?包括用户冷启动和物品冷启动两方面，指对于薪发布的新闻或者新注册的用户该如何进行推荐。在线阅读用户不断的加入和新闻的动态产生使得冷启动问题在该课题中尤为重要。第三，极少的工作研究了“专家”在推荐系统的作用，我们提出PR

5、emiSE混合推荐框架，通过概率矩阵分解(ProbabilisticMatrixFactorizafion)融合新闻文本内容，协同过滤和隐式用户传播网络。基于用户阅读偏好，新闻语义信息，隐式专家意见更准确的生成预测评分。在真实新闻数据集上做了详细的数据分析和实验验证，验证基于用户访问日志来构建隐式用户网络的可行性和有效性。基于该网络提取隐式专家，然后集成近邻偏好和隐式专家意见有效的缓解了用户和新闻冷启动问题。利用新闻中的命名实体刻画用户兴趣并填充原始评分矩阵缓解了数据稀疏性问题，同时新闻文本的潜在主题分析使得推荐结果具有语义解释性

6、。关键词：冷启动；隐式专家；数据稀疏性AbstractNowadays，usersCalleasilyobtainnewsinformationaroundtheworldthroughnewssite(GoogleNews，YahooNews)andmobileapplication(CNNMobile)However,withthelargevolumeofnewsavailable，usercanhardlyfindthenewsmeetstheirinterestefficiently．Therefore，animport

7、antresearchtopicishowtohelpreadersautomaticallyfindinterestingarticlesmatchtheirreadingappetiteswhichwecall‘'personalizednewsrecommendation”．AvarietyofnewsrecommendationsystemsbasedOndifferentstrategieshavebeenproposedtoprovidenewspersonalizationservicesforonlinenewsr

8、eaders．Inthispaper,wemainlyfocusoncold—startanddatasparsityproblemandproposePRemiSE，anovelpersonalizednewsrecommendationfram