融合长短时序与文本分类的新闻推荐模型

作者：王曙燕; 巩婧怡

来源：西安邮电大学学报, 2023, 28(03): 82-87.

DOI：10.13682/j.issn.2095-6533.2023.03.012

• 新闻推荐
• 长短时序
• 文本分类
• Bert模型
• 余弦相似度

为了更好地向用户准确推荐兴趣新闻，构建一种融合长短时序与文本分类的新闻推荐模型。根据用户兴趣随时间变化的特点，分别获取用户长短时序偏好。将用户长序时间聚类为时间簇，融合Bert模型和文档主题生成模型进行文本自动分类捕捉用户兴趣分布，提取各时间簇兴趣分布获得长时序偏好。对用户短时序中的单个时间点兴趣进行词频分析，获得用户短时序偏好。最后融合长短时序偏好，使用余弦相似度算法获得近似偏好用户并推荐新闻。实验结果表明，所提模型相比基于增量协同过滤和潜在语义分析的混合推荐算法与基于用户行为的新闻推荐算法在精准率、召回率和和F值等方面均有提高，在一定程度上提升了推荐效果。

• 单位
  西安邮电大学