基于融合偏好的新闻推荐算法研究

摘要

针对基于内容的推荐算法在进行新闻推荐时,存在时效性不足,缺乏用户兴趣多样化的问题,提出一种基于融合偏好的新闻推荐算法.首先利用基于内容的推荐算法,考虑时间对用户兴趣的影响,对用户兴趣权值的计算进行改进,发现用户的自身偏好.其次考虑时间效用和新闻热度与用户兴趣的相关性,提出一种新的混合相似度计算方式,寻找用户的最近邻,发现用户的潜在偏好.最后将用户的自身偏好与潜在偏好进行融合,产生推荐列表.实验结果表明,相比于传统推荐算法,改进后算法的平均误差绝对值最高下降了9.13％,推荐准确率最大提高了9.80％,召回率最大提高了10.12％,多样性最大提高了3.44％.改进后的推荐算法有效地提高了推荐质量,改善了缺乏多样性的问题.