新闻平台新发布的新闻均不存在用户阅读、评论和推介记录,导致新闻推荐系统具有严重的冷启动问题,为此提出一种基于高效用项集挖掘和词义归纳的新闻推荐算法。基于点击量数据集学习推荐规则集,根据应用目标计算新闻正文内容的效用;通过词汇嵌入将词义信息建模为复杂网络,通过社区检测算法将复杂网络分簇,对标题的词汇进行词义归纳处理,设计标题概率模型从语料库推理出潜在的标题;综合新闻正文内容的效用和标题的效用产生最终的推荐列表。实验结果表明,该算法明显提高了新闻推荐的准确率、多样性、响应速度。
科研之友
微信
新浪微博
Facebook
分享链接
