基于VSM和Bisecting K-means聚类的新闻推荐方法全文替换

作者：袁仁进; 陈刚^*; 李锋; 魏双建

来源：北京邮电大学学报, 2019, 42(01): 114-119.

DOI：10.13190/j.jbupt.2018-067

• 个性化推荐
• 向量空间模型
• Bisecting K-means聚类算法
• 用户兴趣模型

针对海量新闻数据给用户带来的困扰,为提升用户阅读新闻的个性化体验,提出了融合向量空间模型和Bisecting K-means聚类的新闻推荐方法.首先进行新闻文本向量化,使用向量空间模型和TF-IDF算法构建出新闻特征向量;采用Bisecting K-means聚类算法对新闻特征向量集进行聚类;然后将已聚类的新闻集分为训练集和测试集,根据训练集构建"用户—新闻类别—新闻"三层层次结构的用户兴趣模型;最后采用余弦相似度方法得出新闻推荐结果,并与测试集进行对比分析.实验以基于用户的协同过滤算法、基于物品的协同过滤算法、结合向量空间模型和K-means聚类的推荐方法为基准,实验结果表明,该方法具有可行性,在准确率、召回率和F值上都有所提高.

• 单位
  信息工程大学地理空间信息学院