面向新闻推荐的用户兴趣模型构建与更新

来源：计算机应用研究杂志2019年第12期北京时间：

作者：袁仁进,陈刚,李锋,

单位：信息工程大学地理空间信息学院,郑州450001；

摘要：针对新闻推荐系统中用户兴趣模型构建与用户兴趣漂移问题，提出了一种面向新闻推荐的用户兴趣模型构建与更新方法。首先采用向量空间模型与bisecting K-means聚类算法构建了原始用户兴趣模型；然后以艾宾浩斯遗忘曲线为基础构造了遗忘函数，并以此对用户兴趣模型进行时间加权，从而达到对用户兴趣模型更新的目的。实验以基于用户的协同过滤推荐、基于物品的协同过滤推荐为baseline，实验结果表明所构建的原始用户兴趣模型推荐性能更优，在F值上提升了4%，更新后的模型与原始模型相比F值提高了1.3%。

关键词：个性化推荐,向量空间模型,用户兴趣模型,用户兴趣漂移,遗忘函数,