摘要
针对传统新闻推荐的数据稀疏性和用户的兴趣爱好快速变化问题,提出了一种融合社交关系和标签信息的混合新闻推荐算法.首先,该算法充分利用社交网络中的社交关系和标签信息;然后使用概率主题模型(latent Dirichlet allocation,LDA)对用户兴趣进行建模;最后采用基于内容与协同过滤相结合的混合推荐算法来完成新闻推荐.实验结果表明,所提算法与已有的推荐算法相比较,在精确度上提升了10.7％、平均倒数排名上(mean reciprocal rank,MRR)提升了4.1％,在归一化折损累计增益(normalized discounted cumulative gain,NDCG)上提升了10％.该算法可在一定程度上提高新闻推荐算法的精度及推荐质量.
国家科技期刊平台
NSTL
维普
万方数据