基于改进的隐马尔可夫模型的新闻推荐算法
张丹
周从华
1.江苏大学计算机科学与通信工程学院 镇江 2120132.江苏大学计算机科学与通信工程学院 镇江 212013
摘要：推荐系统已经应用到各行各业中,新闻推荐也应运而生.用户在阅读新闻时一般是时间序列的形式,然而,传统的新闻推荐算法很少考虑用户浏览行为的时间序列特征.因此,它并不能有效地预测用户阅读的下一篇新闻.针对这一问题,将隐马尔可夫模型融入到新闻推荐算法中,根据用户的阅读轨迹,找到用户下一时刻阅读概率最高的新闻.在此基础上,加入状态驻留时间元素,将隐马尔可夫模型的五元素扩展为六元素,以此来提高推荐准确度.为证明解决方案的有效性,与其他的新闻推荐算法进行了对比,结果显示论文算法在F1指标上约提高了14％.
关键词：新闻推荐时间序列隐马尔可夫模型阅读轨迹驻留时间
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2020-10-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2332-2337 )
英文信息