基于用户点击行为的新闻个性推荐

为什么80%的码农都做不了架构师？>>>   

摘要

    本文根据论文《Personalized News Recommendation Based on Click Behavior》理论翻译总结而来。Google News在www2010上放出了《Personalized News Recommendation Based on Click Behavior》。这篇文章重点解决推荐精准性和新资讯的冷启动问题，文章想法也很朴素自然，主要是基于贝叶斯理论进行建模。他们假设用户兴趣有两个方面：个人不断变化的兴趣以及当前新闻热点。在具体建模之前，作者先基于历史数据进行了统计分析，验证了他们的假设，得到如下基本结论：用户的兴趣是随时间变化的，新闻热点也是随时间变化的（如图1所示）。还有一个比较比较有趣的结论是：不同地区同一时间的新闻热点是不一样的(如图2)。

                                          图1. 不同时间段分类点击率 。（图片来自论文内容）

从上图可以看出，不同时间段，用户对sport,health,national,entertainment这几个分类的点击率是不同的，证明随着时间得变化，用户的兴趣点也在变化。

 

     图2. Spain,US,UK这三个地区不同时间段对sport分类的点击率 。（图片来自论文内容）

从上图，可以看出，三个不同的地区在不同的时间段，对Sport类的新闻的点击率是不同。

算法模型

        C = {c1,c2,...,cn}  

                新闻分类：包括“world”, “sports”,  “entertainment”等

        D(u,t)  

                ，表示用户u,时间段t,分类c 的点击分布概率。Ni表示用户u在过去的一个月t点击分类ci的点击次数。Ntotal是用户u过去对分类ci所有的点击数据。

          Then, for each user u , we computed the distribution of her clicks in every month t , D(u,t)

          D(t) 

               过去一个时间段t,该地区所有用户对各个分类的点击数分布概率。所有用户某个分类所有点击数/所有用户总的点击数，就是D(t)

         For each country, the general interests can be represented by the distribution of all the clicks made by the users from that country in a past time period t , represented as D(t) .
 

贝叶斯分布概率推荐模型

        用户兴趣预测模型。

 

Pt (category = ci | click)   用户u对分类ci的新闻的点击数占用户u总点击数的比例。(个人兴趣分布)

       = 用户u对分类ci的文章的点击数/用户u总对文章总的点击数

        英文原文：

        pt (category = ci | click) is the probability that the user’s clicks being in category ci . It can be estimated by the click distribution D(u,t) observed in time period t , as
    computed in Equation

Pt (category = ci )    近似为D(t),公众的兴趣分布。所有用户在时间段t的对分类ci的点击分布，也就是该地区所有用户在时间段t内点击分类ci的点击数占所有人总点击数的一个比例。

        =所有用户在时间段t内点击分类ci的文章点击数/所有用户总的文章点击数

    英文原文：

        pt (category = ci ) is the prior probability of an article being about category ci . This is the proportion of news articles published about that category in the time period,which correlates with the news trend in the location. As more news events happen in a given topic category, more news articles will be written in that category. Thus, we can approximate this probability with the click distribution of the general public D(t)

 Pt (click)      该用户在时间段t内的对所有发布的新闻的点击率，不论文章分类。 

            =用户u点击文章数/发布的文章总数

   英文原文：

        pt (click) is the prior probability of the user clicking on any news article, regardless of the article category.

  

结合过去的时间周期预测

       

 Nt---该用户在过去的时间段t的文章总点击数。

N t is the total number of clicks by the user in time period t;

 

预测用户当前的兴趣

 Nt---该用户在过去的时间段t的文章总点击数。

上面公式省略了p(click)的值，因为对于基于同一个用户的预测，p(click)的值是一样的，最后只需要比较点击每个分类的概率的相对大小，所以p(click)无需参与运算。

最终计算模型

        

         Nt---该用户在过去的时间段t的文章总点击数。

        G是虚拟点击数（系统设置为10），可以看作是平滑因子。当系统观察到用户很少（甚至是零）点击时，系统可以预测用户的兴趣更接近当前时间段的兴趣。当用户如果过去总的点击量非常大，那么这个G值可以忽略不计，不会对结果造成影响。

其中表示当前本地区某类新闻的热度（这类新闻该地区点击的概率），实际也是统计一下短时间内对这类新闻的用户点击数占比得到的。计算方法同Pt (category = ci )  。

       =所有用户在时间段t0内点击分类ci的文章点击数/所有用户在时间段t0总的文章点击数

 

                                    ---摘自  《Personalized News Recommendation Based on Click Behavior》

 

转载于:https://my.oschina.net/manmao/blog/1517650