新闻推荐的多维兴趣模型与传播分析

摘要：

如何将合适的信息推荐给合适的用户以满足用户的个性化需求,是推荐系统的基本问题.新兴的社会化推荐系统(social recommender system)通过兴趣相似的用户之间分享信息而达到个性化推荐的目的.使用多维兴趣向量刻画用户的兴趣,采用多智能体模型(multi-agent model)模拟,并引入用户和新闻的质量,分析了用户网络的结构特征以及质量因素对新闻推荐和传播的影响.实验结果表明:不同社区的主题不同,社区的中心用户兴趣专一,与社区的主题一致.此外,推荐中引入质量因素可以加快系统在高推荐成功率上的收敛速度,更能区分不同质量用户的粉丝数和不同质量新闻的传播深度与广度,增强了高质量用户和新闻的影响力,提高了系统中新闻推荐的专业水平.

关键词：社会化推荐、多维兴趣、用户相似度、社区结构、新闻传播

所属期刊栏目：40

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金60973069,90924011,60903073,60973120;华为高校合作基金YBCB2011057

在线出版日期：2013-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：126-130