10.3969/j.issn.1672-9722.2020.10.006
基于改进的隐马尔可夫模型的新闻推荐算法
推荐系统已经应用到各行各业中,新闻推荐也应运而生.用户在阅读新闻时一般是时间序列的形式,然而,传统的新闻推荐算法很少考虑用户浏览行为的时间序列特征.因此,它并不能有效地预测用户阅读的下一篇新闻.针对这一问题,将隐马尔可夫模型融入到新闻推荐算法中,根据用户的阅读轨迹,找到用户下一时刻阅读概率最高的新闻.在此基础上,加入状态驻留时间元素,将隐马尔可夫模型的五元素扩展为六元素,以此来提高推荐准确度.为证明解决方案的有效性,与其他的新闻推荐算法进行了对比,结果显示论文算法在F1指标上约提高了14%.
新闻推荐、时间序列、隐马尔可夫模型、阅读轨迹、驻留时间
48
TP301.6(计算技术、计算机技术)
2020-12-03(万方平台首次上网日期,不代表论文的发表时间)
共6页
2332-2337