面向位置的多样性兴趣新闻推荐研究

面向位置的多样性兴趣新闻推荐研究Recommending Diversified News Based on User＇s Locations

作者：花凌锋[1];杨高明[1];王修君[2]

Hua Lingfeng1, Yang Gaoming1, Wang Xiujun2 （1.School of Computer Science and Engineering, Anhui University of Science and Technology, Huainan 232001, China; 2.School of Computer Science and Technology, Anhui University of Technology, Maanshan 243032, China）

作者机构：[1]安徽理工大学计算机科学与工程学院,淮南232001;[2]安徽工业大学计算机科学与技术学院,马鞍山243032

出版物：数据分析与知识发现

年卷期：2018年第5期

摘要：【目的】针对基于位置的混合推荐方法存在的相似度算法准确率低下和系统已有用户新位置冷启动问题,提出面向位置的多样性兴趣新闻

推荐方法（DLR）。【方法】使用聚类算法对用户历史行为数据的位置

标签进行聚类分析,再利用LDA模型和基于三维用户相似度算法的协

同过滤技术为每个聚类位置分别建立一个偏好模型。【结果】推荐时

通过GPS获取当前位置信息并确定相应的偏好模型,在此基础上生成

两个偏好列表,分别截取偏好列表的Top-n,组成推荐新闻集。当用户

处于新位置时,使用基于降维相似度算法的协同过滤技术生成推荐列

表并截取Top-n,生成多样性推荐新闻集。【局限】未能解决系统新用

户的冷启动问题。【结论】DLR方法在新闻推荐的多样性和准确性上

均有明显提升,提高了用户的阅读满意度。

页码：94-104页

主题词：新闻推荐;用户相似度;位置服务;协同过滤

本文来源：https://www.bwwdw.com/article/m47j.html