基于用户浏览日志的上下文相关新闻推荐

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (22): 99-104.

基于用户浏览日志的上下文相关新闻推荐

张骁逸1，苏宇2，晏小辉3

1.北京邮电大学理学院，北京 100876
2.新华社技术局技术实验室，北京 100803
3.中国科学院计算技术研究所，北京 100190

出版日期:2016-11-15 发布日期:2016-12-02

Context-awareness recommendation based on user browsing log

ZHANG Xiaoyi1, SU Yu2, YAN Xiaohui3

1.School of Science, Beijing University of Posts and Telecommunications, Beijing 100876, China
2.Laboratory of Xinhua News Agency and Technology Bureau, Beijing 100803, China
3.Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China

Online:2016-11-15 Published:2016-12-02

摘要/Abstract

摘要： 个性化新闻推荐的难点在于用户在浏览新闻时目的性不强，容易受各种环境因素的影响，导致其浏览行为难以预测。以往的研究仅仅强调推荐内容相关的或者和用户长期兴趣相匹配的新闻，忽视了环境因素的影响。为此，需要研究上下文相关的新闻推荐算法。具体做法是从用户的浏览日志中提取上下文相关特征，然后训练一个Logistic回归模型来预测用户接下来最可能阅读的新闻。真实数据上的实验结果表明，上下文相关新闻推荐方法效果明显好于传统方法，也验证了上下文信息对用户浏览行为的重要影响。

关键词: 新闻推荐, 上下文相关, Logistic回归

Abstract: The challenge of personalized news recommendation lies in that users browse news without clear purposes. Thus they are susceptible to various environmental factors, making their browsing behavior hard to predict. Previous studies focus on recommending news based on the content similarity or users’ long-term interests, which ignores the impact of environmental factors. Therefore, there is a need to study context-aware news recommendation algorithm. Specifically, contextual features are extracted from the user’s browser log, and then are used to train a Logistic regression classifier to predict the most possible news users are going to read. Experimental results on real-world data set suggest that the context-aware method outperforms substantially traditional methods, and verify the important impact of contextual information on users’ browsing behavior.

Key words: news recommendation, context awareness, Logistic regression

张骁逸1，苏宇2，晏小辉3. 基于用户浏览日志的上下文相关新闻推荐[J]. 计算机工程与应用, 2016, 52(22): 99-104.

ZHANG Xiaoyi1, SU Yu2, YAN Xiaohui3. Context-awareness recommendation based on user browsing log[J]. Computer Engineering and Applications, 2016, 52(22): 99-104.

[1]	赖永凯1，陈向宇2，刘海2. 基于贝叶斯Logistic回归的软件缺陷预测研究[J]. 计算机工程与应用, 2019, 55(11): 204-208.
[2]	乔亚琴，马盈仓，陈红，杨小飞. 构造样本k近邻数据的多标签分类算法[J]. 计算机工程与应用, 2018, 54(6): 135-142.
[3]	汪娟1, 刘哲1, 宋余庆1, 陈香远2. 基于改进的GLCM甲状腺纹理特征提取与分析[J]. 计算机工程与应用, 2018, 54(23): 176-182.
[4]	郝东亮，杨鸿武，张策，张帅，郭立钊，杨静波. 面向汉语统计参数语音合成的标注生成方法[J]. 计算机工程与应用, 2016, 52(19): 146-153.
[5]	杨晓燕1，徐戈1，廖祥文2，3. 上下文相关的双向自举观点评价对象抽取方法[J]. 计算机工程与应用, 2015, 51(15): 143-147.
[6]	戢晓峰1，2，魏雪梅1，2. 出行信息影响下驾驶员任务集聚认知模式研究[J]. 计算机工程与应用, 2013, 49(13): 21-25.
[7]	张彦1，李庆峰2，龚磊3，姚建刚1. Logistic回归筛选零值绝缘子红外特征的方法[J]. 计算机工程与应用, 2013, 49(1): 222-226.
[8]	费文龙1，2，吕红2，韦志辉1. Logistic回归模型在卫星云图云检测中的应用[J]. 计算机工程与应用, 2012, 48(4): 18-21.
[9]	谢玲，刘琼荪. 集成Logistic与SVM的二分类算法[J]. 计算机工程与应用, 2011, 47(29): 149-150.
[10]	刘锦萍^1，2，郁金祥². 基于粒子群算法的Logistic回归模型参数估计[J]. 计算机工程与应用, 2009, 45(33): 42-44.
[11]	何海江，凌云. 由Logistic回归识别Web社区的垃圾评论[J]. 计算机工程与应用, 2009, 45(23): 140-143.
[12]	孙天凯¹,邵晓根¹,王兴元². 扩展的分形L-系统与自然景观的动态模拟[J]. 计算机工程与应用, 2009, 45(2): 182-184.
[13]	李新福¹,赵蕾蕾¹,何海斌¹,李芳². 使用Logistic回归模型进行中文文本分类[J]. 计算机工程与应用, 2009, 45(14): 152-154.
[14]	吕国云¹,赵荣椿¹,蒋冬梅¹,SAHLI H². 基于上下文三音素DBN模型的连续语音识别[J]. 计算机工程与应用, 2007, 43(35): 35-38.