-
公开(公告)号：CN111143667B
公开(公告)日：2023-05-02
申请号：CN201911236779.6
申请日：2019-12-05
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/335 , G06F16/33
Abstract: 本发明涉及信息检索和数据挖掘领域，特别涉及一种基于LDA主题模型的三部图新闻推荐方法，包括获取用户浏览过的新闻标题和文本并记录点击时间，并对获取的数据进行预处理；使用LDA文档主题建模方法对预处理后的数据进行主题建模得到新闻的主题特征；根据领域方法得到用户物品倒排列表并结合主题特征进一步计算用户间的相似性，最后得到目标用户最近邻用户；将目标用户和最近邻用户和这些用户所浏览过的新闻以及这些新闻所属的主题输入到基于加权的三部图网络结构中得到欲推荐新闻的最终权重，按照该权值由高到低进行TOP‑N推荐；本发明有效利用了新闻的文本数据提提升了推荐精度，还改善了个性化推荐方法的稀疏性问题。
-
公开(公告)号：CN111400483A
公开(公告)日：2020-07-10
申请号：CN202010185236.2
申请日：2020-03-17
Applicant: 重庆邮电大学
IPC: G06F16/335 , G06F16/31 , G06F16/9536
Abstract: 本发明涉及信息检索和数据挖掘领域，具体为一种基于时间加权的三部图新闻推荐方法，包括：输入获取的用户浏览的新闻数据，根据获取的用户浏览的新闻数据计算优化后的新闻资源值；根据优化后的新闻资源值进行新闻推荐；所述计算优化后的新闻资源值的过程包括：采用热量扩散算法计算新闻向主题传导后的主题结点资源值和主题向新闻传导后新闻结点的资源值，采用时间权重函数对两个资源值进行融合，得到优化后的新闻资源值；本发明在新闻推荐场景下采用时间权重函数优化新闻资源值，解决了三部图技术中因边权影响推荐效果的问题，提高了推荐结果的精度。
-
公开(公告)号：CN111400483B
公开(公告)日：2022-06-21
申请号：CN202010185236.2
申请日：2020-03-17
Applicant: 重庆邮电大学
IPC: G06F16/335 , G06F16/31 , G06F16/9536
Abstract: 本发明涉及信息检索和数据挖掘领域，具体为一种基于时间加权的三部图新闻推荐方法，包括：输入获取的用户浏览的新闻数据，根据获取的用户浏览的新闻数据计算优化后的新闻资源值；根据优化后的新闻资源值进行新闻推荐；所述计算优化后的新闻资源值的过程包括：采用热量扩散算法计算新闻向主题传导后的主题结点资源值和主题向新闻传导后新闻结点的资源值，采用时间权重函数对两个资源值进行融合，得到优化后的新闻资源值；本发明在新闻推荐场景下采用时间权重函数优化新闻资源值，解决了三部图技术中因边权影响推荐效果的问题，提高了推荐结果的精度。
-
公开(公告)号：CN111143667A
公开(公告)日：2020-05-12
申请号：CN201911236779.6
申请日：2019-12-05
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/335 , G06F16/33
Abstract: 本发明涉及信息检索和数据挖掘领域，特别涉及一种基于LDA主题模型的三部图新闻推荐方法，包括获取用户浏览过的新闻标题和文本并记录点击时间，并对获取的数据进行预处理；使用LDA文档主题建模方法对预处理后的数据进行主题建模得到新闻的主题特征；根据领域方法得到用户物品倒排列表并结合主题特征进一步计算用户间的相似性，最后得到目标用户最近邻用户；将目标用户和最近邻用户和这些用户所浏览过的新闻以及这些新闻所属的主题输入到基于加权的三部图网络结构中得到欲推荐新闻的最终权重，按照该权值由高到低进行TOP-N推荐；本发明有效利用了新闻的文本数据提提升了推荐精度，还改善了个性化推荐方法的稀疏性问题。
-
-
-
Search Results
4
records
(took 0.019 seconds)
