Institute of Computing Technology, Chinese Academy IR
| 基于用户浏览日志的上下文相关新闻推荐 | |
| 张骁逸1; 苏宇2; 晏小辉3 | |
| 2016 | |
| 发表期刊 | 计算机工程与应用
 |
| ISSN | 1002-8331 |
| 卷号 | 52.0期号:022页码:99 |
| 摘要 | 个性化新闻推荐的难点在于用户在浏览新闻时目的性不强，容易受各种环境因素的影响，导致其浏览行为难以预测。以往的研究仅仅强调推荐内容相关的或者和用户长期兴趣相匹配的新闻，忽视了环境因素的影响。为此，需要研究上下文相关的新闻推荐算法。具体做法是从用户的浏览日志中提取上下文相关特征，然后训练一个Logistic回归模型来预测用户接下来最可能阅读的新闻。真实数据上的实验结果表明，上下文相关新闻推荐方法效果明显好于传统方法，也验证了上下文信息对用户浏览行为的重要影响。 |
| 关键词 | 新闻推荐 上下文相关 Logistic回归 |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://119.78.100.204/handle/2XEOYT63/26635 |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.北京邮电大学理学院 2.新华社技术局技术实验室 3.中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 张骁逸,苏宇,晏小辉. 基于用户浏览日志的上下文相关新闻推荐[J]. 计算机工程与应用,2016,52.0(022):99. |
| APA | 张骁逸,苏宇,&晏小辉.(2016).基于用户浏览日志的上下文相关新闻推荐.计算机工程与应用,52.0(022),99. |
| MLA | 张骁逸,et al."基于用户浏览日志的上下文相关新闻推荐".计算机工程与应用 52.0.022(2016):99. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [张骁逸]的文章 |
| [苏宇]的文章 |
| [晏小辉]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [张骁逸]的文章 |
| [苏宇]的文章 |
| [晏小辉]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [张骁逸]的文章 |
| [苏宇]的文章 |
| [晏小辉]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论