一.研究背景
在推荐系统中,协同过滤算法为最经常使用的算法之一,因为其优秀的推荐效果成为了各大推荐平台广泛使用的技术。在协同过滤算法中,包括基于用户的协同过滤和基于项目的协同过滤。协同过滤算法时比较容易实现的,在基于用户的协同过滤算法中,利用的是对用户的行为进行分析,将一些行为较为类似的用户分为一个群体,在这个群体中互相推荐对方没有看过的内容,因为他们可能有着同样的喜好。在基于项目的协同过滤中,利用的是为项目建立群体,如果用户喜欢了一个项目,则为用户推荐和这个项目相关的其他项目,此方法利用的前提是拥有用户的历史行为。无论哪种协同过滤算法,在使用起来都比较简单,即使没有专业的知识也能过结合系统中的机器学习算法来实现内容的推荐,而且推荐的效果也比较好,因此在不同的平台都得到了很大程度的应用。
二.研究意义
个性化新闻的推荐系统通过对用户选取新闻的倾向进行深入挖掘,可以快速、便捷地识别出用户感兴趣的新闻,为其提供适合的、可能会感兴趣的新闻。从而大大减少了人们寻找心仪的新闻的时间,解决了人们在高压且繁忙的日常生活中没时间找寻新鲜新闻的问题,同时也能很大地提高个性化新闻推荐的准确性与效率。它可以从用户的角度出发,帮助用户从海量的新闻资源中发现很多优质的、用户感兴趣的新闻,从而方便了用户的生活。
报告截图:
B站视频演示入口:
知乎 - 安全中心