基于用户点击的线性回归在内容推荐中的应用研究

摘要：

在内容推荐中根据用户的浏览偏好进行内容排序对提高用户的点击率具有至关重要的作用.推荐流中内容随着时间变化呈现出流动性,分析历史数据中用户和推荐内容的点击信息进行回归分析,提取用户在内容点击时特征的相关性,并对特征进行归一化,拟合出在当前特征分布下的点击率,以线性回归作为拟合模型进行用户点击率预测.实验以今日头条中用户浏览点击日志为测试数据集,采用改进算法进行内容排序时截取单领域下用户点击内容作为点击率进行验证,实验结果表明,改进算法能够较为准确地推荐用户倾向点击的内容.

关键词：用户点击率、线性回归、AUC、特征抽取、回归分析

所属期刊栏目：40

分类号：TN911-34;TP391

资助基金：西藏自治区自然科学基金项目2015ZR-14-20

在线出版日期：2017-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：135-137,140