基于内容的推荐与协同过滤融合的新闻推荐研究

《基于内容的推荐与协同过滤融合的新闻推荐研究》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、戀分类号：密级：＇论文编专：学号：５１３０３３００１０３／＾重庆理工大学硕古擎化论义基于内容的推荐与协同过滤融合的新闻推荐研究研究生；唐瑞擒导教师：杨武教授学位类型：学术学位学科专业：计算机软件与理论研究方向：信息检索辕养单位：计算机科学与工程学院论文完成时间：２０１６年３月２５曰‘论文答辩曰期：２０１６年５月２９曰重庆理工大学学位论文原创性声明本人郑重声明：所呈交的学位论文是本人在导师的指导下，独立进行研究所取得的成果。

2、除文中特别加Ｗ标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果、作品。对本文的研究做出重要贡献的集体和个人，均已在文中明确方式标明。本人承担本声明的法律后果。：作者签名：曰期如片Ｓ月曰学位论文使用授权声明、本学位论文作者完全了解学校有关保留使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版。，允许论文被查阅和借阅本人授权重庆理工大学可Ｗ将本学位论文的全部或部分内容编入有关数据库进行检索。，可Ｗ采用影印、缩印或扫描等复制手段保存和

3、汇编本学位论文＂＂本学位论文属于（请在从下相应方框内打Ｖ）：１□。．保密，在年解密后适用本授权书＾２．不保密囚＾＞作者签名：日期；年Ｓ月日＾导师签名：曰期年ｒ月曰ｊ／CategoryNumber：LevelofSecrecy：SerialNumber：StudentNumber：51303300103Master'sDissertationofChongqingUniversityofTechnologyResearchonNewsRecommendationBasedonFusionofC

4、ontent-basedRecommendationandCollaborativeFilteringPostgraduate:RuiTangSupervisor：Prof.YangWuSpecialty:ComputerSoftwareandTheoryResearchDirection:RecommendationSystemTrainingUnit:CollegeofComputerScienceandEngineeringThesisDeadline:March25,2016OralDefenseDate:M

5、ay29,2016摘要摘要新闻推荐系统中，基于内容的推荐生成的推荐结果具有个性化的优势，但存在推荐多样性的问题，只能推荐出与用户过去阅读内容相似的新闻。协同过滤推荐不存在多样性问题，但在个性化方面却表现不足，用户的阅读兴趣不可能由相似用户完整表述；同时，协同过滤还存在冷启动问题，候选新闻必须等待足够的点击才可能计算出目标用户对它的相似度。混合推荐可以兼顾推荐结果在多样性和个性化上的需求，但生成满足多样性需求的那部分结果时依然存在冷启动问题。针对上述问题，本文在充分研究基于内容的推荐、协同过滤以及两者的混合推荐的基础上

6、，提出了一种基于内容的推荐与协同过滤融合的新闻推荐方法。该方法在兼顾多样性和个性化需求的同时，可有效避免新闻推荐的冷启动问题。论文首先介绍了新闻推荐的研究背景、现状以及常用方法，分析了现有方法存在的问题；接着用基于内容的推荐发现用户对特征词的既有兴趣，用协同过滤发现用户对特征词的潜在兴趣；然后用最大值法融合用户既有兴趣和潜在兴趣，得到兼顾多样性与个性化的融合兴趣模型；最后将候选新闻与构建的融合兴趣模型进行相似度匹配，生成推荐结果。在发现用户既有兴趣时，考虑到用户兴趣与时间变化的相关性，论文提出了一种带时间权的既有兴趣

7、模型构建方法，较好反映出了用户兴趣随时间的变化关系。在构建相似用户群时，考虑到仅以行为相似度来评价用户间的相似性存在的准确性不足的问题，论文提出了一种行为相似度与内容相似度协同的混合相似度计算方法，提高了相似用户群的准确性。论文以DataCastle的财新网阅读记录为数据集，以F-measure和Diversity为评价指标，以基于内容的推荐、协同过滤推荐和分区混合推荐方法为参照基准进行对比实验。通过实验看出，论文融合方法的推荐结果，其F-measure和Diversity比基于内容的方法分别提高了34.4%和38.

8、2%；比协同过滤方法F-measure提高了8.6%。虽然与混合推荐的F-measure和Diversity无明显差距，但论文方法在推荐时，候选新闻无需等待积累足够的用户点击量，没有混合推荐方法存在的冷启动问题。实验结果表明，论文方法生成的推荐结果能够满足用户阅读在多样性和个性化上的需求，同时有效避免推荐的冷启动问题。关键词：新闻推荐；协同过滤