工具之家 > 科技资讯 > 浅析面向移动互联网的个性化新闻推荐算法

浅析面向移动互联网的个性化新闻推荐算法

发布时间:2019-10-09 02:11:06 文章来源:工具之家    

 推荐工具:金融理财app工具实用工具

胡细玲++付达杰

摘 yao:weiliao确shiti高wang络xinwen特bieshiyi动hulianwangxinwende推jian过chengzhi量该研jiuyiyi动互联wangxinwen特dianwei研究qie入点开zhanliaodegexinghuaxinwen推jiansuanfade研究。zai研究zhongliyongLDA模xing与xiediao过滤模xingji术de实践应用过程,开展了实践研究工作,wei移动互联网中个xing化xin闻推荐算法de推jinti供you力zhi持

guan键ci:移动互联网 个性化 新闻推荐 算法

中图fen类号:TP393 文献识别码:A 文章编号:1672-3791(2014)08(c-0021-02

zai当前的社会fa展过程中,计算机网络技术的应用对yu新闻事业的发展起到了极大的促jin作用。特别shizai新闻推荐过程中,网络技术的应用发挥了极大的作用。所yi做好网络平台中,新闻推荐研究促进新闻事业发展就cheng为了zhongyao的研究内rong。zai实际的研究过程中,研究者发现yishou机平板dian脑为代表的移动互联网平台的chu现,对于新闻推荐算法的质量,特别shi个性化质量的提升you着重yao的促进作用。所以在移动互联网模式xia,做好个性化新闻推荐算法的研究工作,既能保证新闻推荐算法质量提升,同shi对于新闻事业中网络技术应用的开展提供有效的帮助。

1 移动互联网xia的新闻特点分xi

在新xing的移动互联网技术模式下,新闻工作整体出现了较为多样化特点的bian化。zhe种多样化特点的变化,对于新闻推荐算法有着较为重要的影响。

1.1 主题的biaoqian化特点

在当前的网络新闻huan境特别是移动互联网平台中,新闻sou索工作主要依靠主题搜索的fang式wancheng的。而这种主题的搜索中,biaoqian化的特点极为明确。这种标签ke以分为人物标签、事件标签以及情景标签等多种形式。人物标签主要是以人物为特点标签形式,如前一段时间以诺贝尔奖获得者屠呦为标签的新闻搜索就较为集中。事件标签则集中在事件本身主题展开搜索,如北京奥运会、世界杯等新闻就是这类标签的代表。而情景标签较为集中在时间di点、环境等新闻主题的搜索中,如2008北京、2012年伦敦等都属于情景标签内容。这种新闻推荐中的标签化特点,在互联网发展中得到了较大的体现。

1.2 新闻内容实时播报特点

在互联网技术模式下,新闻发展出现了实时化播报的特点。这主要是因为移动互联网平台keyi为新闻服务提供以下支持。一是新闻线索的实时性。在移动互联网支持下,每个移动互联网用户都可以通过无线网络平台,将身边发生的各类新闻线索与内容,通过微博、微信、手机QQ等平台进行发布。这就使的新闻工作者可以获得实时性的新闻内容线索,提高了新闻发布的时效性。二是新闻受众的时效性。在移动网络支持下,手机、平板电脑等移动网络用户可以通过移动网络,在网络范围内第一时间进行新闻的阅读与评论,提高了新闻阅读的实施有效性。

1.3 新闻dewei观性特点

在移动互联网的新闻平台中,网络围观性特点是其新闻平台的主要特点。特别是在网络新闻热点话题的taolun中,围观现象主要表现在以下两点。一是对于事件的围观。在社会心理中,大多数社会人群具有从众心理,进而对社会讨论较多的社会事件等产生围观现象。如在2014年的马航失联事件成为了社会重点话题,进而引发了大规模的网络围观。二是对于政ce的围观。在社会生活中,社会群体对于国jia政策特别是民生政策新闻的围观现象,是网络围观的重要内容。如国家生育政策变化,就是社会网络围观中重要的关注要点。

2 个性化新闻推荐算法研究

对移动互联网平台下的新闻工作有了充分了解,对于开展个性化新闻推荐算法的研究有了更加liang好的保障作用。在实践工作中,个性化新闻推荐算fabao括了以下模式。

2.1 LDAmoxing支持下的新闻文dang摘要算法

在移动互联网络新闻平台中,新闻内容一般分为了整体新闻与新闻摘要两种形式。在手机、平板电脑等新闻平台中,受到内容储量、阅读界面等问题影响,新闻摘要成为了新闻推荐的重要形式。所以做好新闻文档内容的摘要算法,是个性化新闻推荐算法的重要zu成部分。在网络新闻文档摘要的实践过程中,LDA技术支持下的抽取式摘要方式,是较为常用的工作方法。在实际的算法应用过程中LDA技术支持下的文档摘要算法,主要是通过对LDA模型,对新闻文dangzhong的内容进行内容通过gai率分布与句子概率等jiben性的特效,利用模型方式将其重要内容进行分xi摘要,最终在新闻文档中xingcheng文档的摘要工作。其主要过程包括了以下内容。

首xian是LDA模型的建立。在LDA模型技术支持下的文档摘要算法中,首先xuyao做好LDA模型的建立工作。LDA模型技术是一项较为常用的摘要模型技术,其主要原理是利用模型方式,对文档中不考虑词汇与语法顺序,只考虑词汇出现概率,将词汇出现概率较高的词汇与句子进行分析摘要,形成摘要的过程。这一过程中,LDA模型的建立起到了重要的作用。其主要摘要过程包括了两个方面的程序。一方面其摘要生产的顺序为:文档→主题分布→主题→关键词。这种关键词摘要的产生,成为了摘要产生的主要内容。另一方面,对于摘要wan成的关键词,在原文档中词分布摘要检查,提取出文档中的摘要内容。这种模型的产生,是LDA技术的主要模式。

其次是自动摘要的形成。在完成了文档LDA模型的后,将文档放入模型进行分析摘要。其摘要过程中,需要进行句子基本特征、主题概率特征以及关键词抽取三个过程。(1)句子特zhengfen析。在摘要形成中,首先需要对文档内的句子基本特征开展分析。如对句子长度、位置以及相似度进行zong合分析。其分析结果是开展算法的重要基础。特别需要注意的是,新闻文档在实际应用中,其首句及开tou段落具有明显的提示性特点,在分析中具有明显的zhi示性特点。(2)主题概率特征分析与抽取。在完成了句子特征分析后,我们通过模型协助将其中的主题概率进行分析与初步的抽取工作,将其中的主题内容按zhao概率进行抽取。3、文档中的关键词抽取。在完成了以上的工作后,对于主题中抽取的主题内容进行关键词的抽取,完成新闻文档的摘要工作。

在实际工作中研究者发现,这种基于LDA模型支持下的新闻摘要推荐技术,较之传统的文件摘要技术,其推荐效果较为明显。特别是在移动互联网环境下,这种摘要推荐算法的应用具有良好的优势作用。

2.2 新闻标签与兴趣模型下的xietong过滤算法

在移动互联网模式下,新闻标签与兴趣内容是其新闻平台的重要特征。在这一情况下,以新闻标签与兴趣为模型,利用协同过滤算法进行新闻推荐工作,是较为先进的新闻推荐算法。这种算法的使用,包括了以下的过程。

首先是兴趣模型的形成。在协调过滤算法的应用中,首先需要根据网络中的新闻标签,组合成新闻的兴趣模型。如将网络新闻中较为受人们的重视的“2008、北京等情景标签,奥运会、比赛等事件标签,比saiguan军等人物标签进行统和,形成一个新闻推荐模型,为协同过滤的开展提供支持。

其次是新闻协调过滤算法过程。在完成了兴趣模型后,利用标签组成的兴趣模型进行新闻内容的过滤工作,将兴趣内容形成新闻的摘要进行推荐,保证新闻推荐质量的提sheng这种利用新闻标签、兴趣模型进行的新闻推荐算法,在实际应用中采用较为普遍。

3 jieyu

在当前的新闻推荐过程中,以移动互联网新闻为基础的个性化新闻推荐算法的研究,是网络新闻推荐研究中重要内容。在实际的技术研究中,技术人员针对移动网络新闻的主要特点,开展了推荐算法的研究工作,利用LDA模型与协调过滤模型技术,做好个性化新闻推荐算法研究。

can考文献

[1]吴登能.面向移动互联网的个性化新闻推荐算法研究[D].杭州:杭州shi范大学,2013.

[2]何永春.移动网络中个性化新闻推荐服务系统的设计和实现[D].北京:北京邮电大学,2006.

科技资讯 2015年24期

科技资讯的其它文章 变电运行设施维护技术研究 电力变压器中纵差保护运用的分析 装表接电存在的安全隐患及应对措施分析 含光伏电源的微电网储能控制技术探讨 变压器经济运行浅析 配变终端电量在台区线损统计中的应用
转载请注明来源。原文地址:https://www.5420.com.cn/view/2019/1009/20352/
 与本篇相关的热门内容: