基于深度学习和词汇相似度的个性化新闻推荐系统设计

摘要：

对网络上庞大的新闻资讯,如何发展一个个性化的新闻推荐系统,自动地推荐使用者感兴趣的新闻,是一个备受重视的课题.文章提出一个个性化新闻推荐系统,此系统将建立一个新闻本体,并通过深度学习计算使用者偏好,以此达到推荐个性化新闻的目的.此新闻本体以分析新闻的词汇为基础,并参考专家的分类.其中,每个类别包含特定数量的代表性词汇,而这些词汇以时事新闻进行TF-IDF统计而得.对每一则新闻,系统将计算该则新闻所包含的词汇与新闻本体中代表性词汇的相似度,定义为新闻的特征向量,并将此特征向量输入多层次类神经网络进行深度学习计算得出新闻推荐值.实验结果显示,相较于随机推荐,文章所提出的方法可以较大地提升推荐成功的比率,神经网络将由推荐值来判断是否推荐给使用者,若是使用者未点击阅读此新闻,判断为使用者不喜欢此篇新闻,神经网络将会进行修正,使之越来越接近真实的使用者偏好.

关键词：使用者偏好、新闻推荐、深度学习、TF-IDF

所属期刊栏目：18

资助基金：广东理工学院质量工程项目;项目名称;基于深度学习的以词汇相似度为基础的个性化新闻推荐系统分析;

在线出版日期：2021-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：47-49