基于在线评论和改进LDA模型的新闻传播推荐技术研究

摘要：

通过分析新闻传播推荐技术现状,发现传统技术在相关分析计算时,未处理缺省值,导致推荐结果覆盖率低.为了解决这一问题,提出基于在线评论和改进LDA模型的新闻传播推荐技术.运用余弦距离计算法计算在线评论新闻传播特征关联度,再运用LDA模型设定阈值,用于预测LDA新闻传播主题相似度.完成上述操作后,选择最大相似用户群,并得到用户群特征词权值,再采用协同方法将该值代入到推荐模型当中,生成推荐结果.由此,完成基于在线评论和改进LDA模型的新闻传播推荐技术设计.实验数据集选自DataCastle,将数据集分成训练集和测试集,每次实验都要从测试集中随机抽取10组用户,并选取最后传播的15篇记录作为实验数据,最后,使用提出技术与传统技术测试这10组数据集生成推荐结果的覆盖率.实验结果显示,提出技术的覆盖率更好,且符合设计需求.

关键词：新闻传播、在线评论、LDA模型、推荐结果生成、相似度预测、关联度计算

所属期刊栏目：43

分类号：TN911.1-34;TP391.3

资助基金：2018年度河北省社会科学基金项目HB18XW029

在线出版日期：2020-10-13（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：115-117,121