【摘要】：隨著經(jīng)濟和互聯(lián)網(wǎng)技術的高速發(fā)展,新聞資訊得到了快速的增長和傳播,越來越多的用戶使用計算機或智能手機閱讀新聞而不是觀看電視或購買報紙。新聞資訊的海量生成和快速傳播給我們帶來了豐富的信息,但同時也帶來了信息過載的問題。新聞推薦系統(tǒng)的研究和應用可以為用戶推送合適的新聞,提升閱讀體驗,解決新聞信息過載問題。傳統(tǒng)的推薦技術研究著重于用戶和物品之間的訪問協(xié)同性,這在商品推薦、評分預測等應用領域也取得了較好的效果。然而,待推薦的新聞往往是新出版的新聞,與用戶之間很難建立直接且穩(wěn)定的關聯(lián),這種場景下容易出現(xiàn)冷物品問題。因此,新近的新聞推薦研究較常使用的方法是將基于內容的推薦作為推薦框架的重要組成部分,將待推薦新聞和已經(jīng)訓練好的用戶偏好度模型進行對比。但基于內容的方法一般需要將新聞看成基于詞袋的向量空間模型,不僅丟失了語義信息,也沒有充分考慮新聞內容的一些基本特點,如體裁、類別、地區(qū)、作者等因素在用戶閱讀行為預測中的重要作用。同時,單純考慮基于內容的推薦方法容易導致推薦多樣性不足。此外,也很難將系列新聞報道即用戶閱讀新聞的上下文環(huán)境作為推薦學習的背景因素,即沒有考慮新聞演化問題對用戶閱讀行為預測的影響。由于冷物品問題、多樣性問題和新聞演化問題沒有得到很好地解決,因此也影響了新聞推薦的準確性�；谝陨暇窒�,本論文提出了基于超圖的新聞推薦模型,該模型有利于將新聞內容的基本屬性融合在新聞推薦過程中,并容易整合基于內容和基于協(xié)同過濾的方法,以獲得較好的推薦效果。本論文的主要研究工作和創(chuàng)新點如下:(1)提出將新聞推薦場景中的各種對象、新聞內容屬性及其相互關系定義到超圖模型中。超圖模型擅長描述多對多的對象關系,本文對新聞推薦場景中的各種對象進行抽象,使基于超圖的新聞推薦模型具備可擴展性,并定義具有普適性的超邊類別,使新聞推薦可以根據(jù)應用和研究需求進行拓展。(2)針對傳統(tǒng)新聞推薦方法所使用的聚類基于文本單一對象的局限性,本文研究適用于異構對象關系挖掘的超圖聚類,提出了基于超圖聚類的新聞推薦算法(HCB,Hypergraph Clustering Based news recommendation)。在對傳統(tǒng)的新聞推薦研究中發(fā)現(xiàn),基于文本聚類方法僅能對新聞關系進行挖掘,而沒有直接將用戶關系考慮在該過程中。本文提出了基于超圖聚類的推薦框架,將新聞和用戶的關系融合在超圖聚類中。啟發(fā)于普通圖的譜聚類方法,本文提出的超圖聚類方法可以挖掘用戶興趣簇,然后借助新聞選擇策略給用戶挑選最合適的新聞。傳統(tǒng)基于文本聚類的推薦方法只能分析同一類型的對象,新聞文章需要轉換為向量空間模型進行聚類,而HCB方法根據(jù)異構對象之間的關系進行聚類,即在聚類階段就將用戶和可能感興趣的新聞鎖定在了聚類簇中。在真實語料的實驗中,HCB方法在推薦準確性、多樣性和穩(wěn)定性方面優(yōu)于基于內容、基于協(xié)同過濾的基線方法,也略優(yōu)于使用文本聚類的基線方法。(3)為了更直觀地獲得新聞推薦結果,融合聚類和新聞選擇過程,本文研究超圖排序的理論方法,提出了基于超圖排序的新聞推薦算法(HRB,Hypergraph Ranking Based news recommendation)和基于二叉決策樹優(yōu)化的方法(HRBopt,Hypergraph Ranking Based optimized by binary decision tree)。使用超圖聚類方式需要通過聚類獲得聚類簇,再根據(jù)聚類簇獲得候選集,但候選集往往較大,需要進一步選擇。因此本研究借助超圖排序模型,將新聞推薦中的各元素及其相互關系映射為矩陣元素,然后通過排序代價函數(shù)給出排序值計算方法。為了進一步消除超圖排序在點和邊定義階段的主觀性,本文還提出使用二叉決策樹方法進一步修正選擇結果。通過實驗可知,使用了超圖排序方法及其二叉決策樹優(yōu)化的方法雖然在多樣化及其覆蓋率指標上略差于通過超圖聚類和文本聚類的相關基線方法,但在推薦準確性和排序性方面優(yōu)于基線方法。(4)為了解決新聞推薦中用戶閱讀興趣上下文相關的問題,本文研究了超圖新聞鏈及其在新聞推薦中的應用,提出了基于故事鏈的新聞推薦(HSB,Hypergraph news Story chain Based news recommendation)。用戶可能會對系列新聞報道中的缺失環(huán)節(jié)產(chǎn)生興趣。本研究定義了構建新聞鏈的基本要素和原則,并使用超圖隨機游走方法構建新聞鏈,以新聞鏈作為給用戶推薦新聞的候選集。實驗結果表明,考慮了閱讀上下文信息的基于新聞鏈構建的新聞推薦方法在推薦準確度指標上雖然不如融合的推薦方法,但該方法與同類基于內容的推薦方法相比,各方面的評價指標提高較大�？傮w而言,超圖模型容易實現(xiàn)多異構對象關系建模、聚類和排序,本文在新聞推薦研究中借助超圖模型進行定義、學習和推薦,在推薦效果上取得了較好結果,在模型上也較簡潔清晰、易于擴展。
[Abstract]:......
【學位授予單位】：華南理工大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.3

【參考文獻】

相關期刊論文 前1條

1 李磊;王丁丁;朱順痣;李濤;;Personalized News Recommendation:A Review and an Experimental Investigation[J];Journal of Computer Science & Technology;2011年05期

，

本文編號：2425923