基于新闻时效性的协同过滤推荐算法

Ｓｏｆｔｗａｒｅ Ｔｅｃｈｎｉｑｕｅ·Ａｌｇｏｒ ｉｔｈｍ 软件 技术 ·算法 １ ９３
计 算 机 系 统 应 用
ｈｔｔｐ：／／ｗｗｗ．Ｃ—Ｓ－ａ．ｏｒｇ．ｃｎ
２０１８年 第 ２７卷 第 ５期
表，在数据量 大时，算法时 间开销会非常大． 本 文针 对上 述 问题 ，提 出了基于 新 闻时效 性 的协
同过滤 推荐算法，该方 法充分 考虑到 了新 闻信 息老化 Ｊ 的特 点，通 过建立新 闻的时效性模 型，改进 了基 于用户 的协 同过 滤 系统 中对最近 邻用 户的选 择；在维 护用户 相似度 的矩 阵时，将新 闻集进 行提前过 滤，保 留时效性 较 高 的新 闻信息．在新 闻信 息量较 大 的情况 下也能 维 持算 法的高性 能，本文利 用该改进 的算 法，对某 网络新 闻系统 的新 闻、用 户行为 数据集 进 行 了仿真 实验 ，证 明了本文所 提方法的有效性．
摘 要 ：提 出一种基 于新闻时效性 的协 同过滤推荐算法 ．首先对新 闻的时效性进行 了特征 分析，建立 了新 闻时效性 模型，然后结合新 闻时效性 改进 了基 于用户的协 同过滤算法．最后进行 了仿 真实验 ，实验结 果表 明，该方 法可 以有效 提高推荐算法 的性 能，改善新 闻推荐准确度和 召回率． 关键词：协 同过滤 ；新闻推 荐：时效性模型
但基 于用户 的协 同过 滤算法容 易忽视 新 闻信 息的 特性，导致推荐新 闻的时效性不足，降低 了新 闻推荐 的 实 际接受 率；并且 需要不 断调整 相似用 户 的新 闻信 息
① 收稿 时 间：２０１７—０９—１０；修 改时 间：２０１７—０９．３０；采 用时 间：２０１７－１０—１２；ｃｓａ在线 出版 时间 ：２０１８—０３—１２
引用格式：冯文杰，熊翱．基于新 闻时 效性 的协 同过 滤推 荐算法．计算机系统应用，２０１８，２７（５）：１９３—１９７．ｈｔｔｐ：／／ｗｗｗ．Ｃ－Ｓ一－ ａ．ｏｒｇ．ｃｎ／１００３—３２５４／６３５６．ｈｔｍｌ
Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ Ｒｅｃｏｍ ｍ ｅｎｄａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｎｅｗｓ Ｔｉｍｅｌｉｎｅｓｓ
计 算机 系统 应用 ＩＳＳＮ １００３．３２５４．ＣＯＤＥＮ ＣＳＡＯＢＮ
Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍｓ＆Ａｐｐｌｉｃａｔｉｏｎｓ，２０１８，２７（５）：１９３—１９７［ｄｏｉ：１０．１５８８８￣．ｃｎｋｉ．ｃｓａ．００６３５６］ ◎中 国科学 院 软件研 究 所版权 所 有．
Ｅ－ｍａｉｌ：ｃｓａ＠ｉｓｃａｓ．ａｃ．ｃｎ
ＦＥＮＧ Ｗ ｅｎ－Ｊｉｅ．Ｘ１０ＮＧ Ａｏ （Ｉｎｓｔｉｔｕｔｅ ｏｆＮｅｔｗｏｒｋ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｂｅｉｊｉｎｇ １ ００８７６，Ｃｈｉｎａ） Ａ ｂｓｔｒａｃｔ：Ａ ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ｒｅｃｏｍ ｍ ｅｎｄａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｎｅｗ ｓ ｔｉｍ ｅｌｉｎｅｓｓ ｉｓ ｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｂｙ ａｎａｌｙｚｉｎｇ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ｎｅｗｓ ｔｉｍ ｅｌｉｎｅｓｓ，ｔｈｅ ｔｉｍ ｅｌｉｎｅｓｓ ｍ ｏｄｅｌ ｏｆ ｎｅｗ ｓ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅｎ，ｔｈｅ ｕｓｅｒ—ｂａｓｅｄ ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ｉｓ ｉｍ ｐｒｏｖｅｄ ｃｏｍｂｉｎｉｎｇ ｔｈｅ ｎｅｗ ｓ ｔｉｍ ｅｌｉｎｅｓｓ ｍ ｏｄｅ１．Ｆｉｎａｌｌｙ，ｔｈｅ ｅｘｐｅｒｉｍ ｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ｍ ｅｔｈｏｄ ｃａｎ ｈｉｇｈｌｙ ｅｎｈａｎｃｅ ｔｈｅ ｐｅｒｆｏｒｍ ａｎｃｅ ｏｆ ｕｓｅｒ－ｂａｓｅｄ ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ，ａｎｄ ａｍ ｅｌｉｏｒａｔｅ ｔｈｅ ａｃｃｕｒａｃｙ ａｎｄ ｒｅｃａｌｌ ｒａｔｅ ｏｆ ｎｅｗ ｓ ｒｅｃｏｍｍ ｅｎｄａｔｉｏｎ． Ｋ ｅｙ ｗ ｏｒｄｓ：ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ；ｎｅｗｓ ｒｅｃｏｍｍ ｅｎｄａｔｉｏｎ；ｔｉｍ ｅｌｉｎｅｓｓ ｍ ｏｄｅｌ
ｈｔｔｐ：ｌｌｗ ｗｗ ．ｃ—Ｓ－ａ．ｏｒｇ．ｃｎ
Ｔｅ１：＋８６—１０．６２６６１０４１
பைடு நூலகம்基 于新 闻时效性 的协 同过滤推 荐算法①
冯文杰，熊 翱
（北 京 邮 电大 学 网络 技 术 研 究 院 ，北 京 １００８７６） 通 讯 作 者 ：冯 文杰 ，Ｅ·ｍａｉｌ：ｔｍａｃｆｅｎｇ＠ｙｅａｈ，ｎｅｔ
个性化推荐 系统＿Ｊ 就是解 决这 一 问题 的重 要工具． 在 新 闻推荐 领域，个 性化新 闻推荐 系统 通过联 系用户
和新 闻，一方面帮助用户 发现对 自己有价值 的新闻，另 一 方 面 让 新 闻 能够 展 现 在 对 它 感 兴 趣 的 用 户 面 前 ，从 而实 现新 闻消 费者和新 闻生产 者 的双 赢．其 中协 同过 滤算法口】是推荐系统中应用较为广泛 的推荐算法，该算 法基 于邻域 ：根据领 域选取 的区别。可 以分为基于用户 的协 同过滤 算法【３】以及基于物 品的协 同过滤算法 ｌ４】．而 在新 闻推荐 算法 领域，一般 更适合 使用 基于用户 的协 同过滤推荐 算法，因为在 一个新 闻系统中，用户量 是相 对 固定且 变化 不 明显 的，维护基 于用户 的协 同过滤算 法在性能上有更好 的表现．
随着 移 动 网络 技术 的高速 发 展，网络新 闻生产 、 传播 速度都 呈爆炸 性 的增长，人 们逐渐 从新 闻信 息匮 乏 的时代进 入 了新 闻信 息过载 的时代 ．无论是 新 闻消 费者 还是新 闻生产 者都 遇到 了很大 的挑战 ：从 消 费者 角度 来看，如 何从大量 新 闻中发现 自己感兴趣 的新 闻 是一件非常 困难的事情；从生产者 角度来看，如何 提高 新 闻浏览量 和受众规模，也是一件很 困难的事情．与此 同时，随着 社会节奏 的加快，新 闻消 费者倾 向于在 更加 碎片化的时间 内浏览新闻，因此新 闻消 费者主动搜索新 闻 以解决信 息过载 问题 的意愿也就更低，换言之，用户 希 望 在 花 费 更 少 时 间 的前 提 下 得 到更 适 合 自己 的新 闻 ．