声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：袁仁进,陈刚,李锋,
单位：信息工程大学地理空间信息学院,郑州450001；
关键词：个性化推荐,向量空间模型,用户兴趣模型,用户兴趣漂移,遗忘函数,
针对新闻推荐系统中用户兴趣模型构建与用户兴趣漂移问题，提出了一种面向新闻推荐的用户兴趣模型构建与更新方法。首先采用向量空间模型与bisecting K-means聚类算法构建了原始用户兴趣模型；然后以艾宾浩斯遗忘曲线为基础构造了遗忘函数，并以此对用户兴趣模型进行时间加权，从而达到对用户兴趣模型更新的目的。实验以基于用户的协同过滤推荐、基于物品的协同过滤推荐为baseline，实验结果表明所构建的原始用户兴趣模型推荐性能更优，在F值上提升了4%，更新后的模型与原始模型相比F值提高了1.3%。
来源：2019年第12期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。