|
|||||
|
|
| 基于协同表示学习的个性化新闻推荐 | |
| 引用本文： | 梁仕威,张晨蕊,曹雷,程军军,许洪波,程学旗.基于协同表示学习的个性化新闻推荐[J].中文信息学报,2018,32(11):72-78. |
| 作者姓名： | 梁仕威 张晨蕊 曹雷 程军军 许洪波 程学旗 |
| 作者单位： | 1.中国科学院 计算技术研究所 网络数据科学与技术重点实验室,北京 100190; 2.中国科学院大学,北京 100190; 3.中国信息安全测评中心,北京 100085 |
| 基金项目： | 国家自然科学基金(61425016、61433014、61472400) |
| 摘 要： | 新闻推荐是互联网推荐系统的研究热点之一,传统的协同过滤算法应用于新闻推荐中会面临严重的新闻冷启动问题,而且也没有考虑新闻内容本身包含的丰富的语义信息。该文将文档与词的表示学习模型与基于矩阵分解的协同过滤算法结合起来,提出一种用于推荐领域的协同表示学习模型,能同时学习带有语义信息的用户和文档的表示向量。在真实的新闻点击数据集上的实验表明,该文提出的模型优于其他基准模型。 |
| 关 键 词： | 新闻推荐 协同过滤 表示学习 |
Collaborative Joint Embedding Based on Personalized News Recommendation |
|
| LIANG Shiwei,ZHANG Chenrui,CAO Lei,CHENG Junjun,XU hongbo,CHENG Xueqi.Collaborative Joint Embedding Based on Personalized News Recommendation[J].Journal of Chinese Information Processing,2018,32(11):72-78. | |
| Authors: | LIANG Shiwei ZHANG Chenrui CAO Lei CHENG Junjun XU hongbo CHENG Xueqi |
| Affiliation: | 1.CAS Key Laboratory of Network Data Science and Technology, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China; 2.University of Chinese Academy of Sciences, Beijing 100190, China; 3.China Information Technology Security Evaluation Center, Beijing 100085, China |
| Abstract: | The news recommender system is a popular research issue, in which the cold-start problem and the rich semantic information in the content challenges classical models. This paper proposes a collaborative joint embedding model to learn user and document vector with semantic information simultaneously. Specifically, it combines the word&doc embedding model with matrix factorization based collaborative filter mode. Experiment on real-world dataset shows that the proposed model outperforms other baseline models. |
| Keywords: | news recommendation collaborative filter representation learning |
| 点击此处可从《中文信息学报》浏览原始摘要信息 | |
| 点击此处可从《中文信息学报》下载全文 | |
