基于用户协作的新闻共享模型

J4 ›› 2011, Vol. 33 ›› Issue (5): 165-170.

基于用户协作的新闻共享模型

冯大为,朱锐,王怀民

(国防科学技术大学计算机学院,湖南长沙 410073)

收稿日期:2009-06-18 修回日期:2009-11-05 出版日期:2011-05-25 发布日期:2011-05-25
作者简介:冯大为(1985),男,湖南湘潭人,硕士生,研究方向为分布式计算和软件监控。朱锐(1980),男，北京人，博士生，研究方向为分布式计算和可信计算。王怀民(1962),男，博士,教授,博士生导师,研究方向为分布计算中间件、软件Agent、网络与信息安全。
基金资助:
国家973计划资助项目(2005CB321800,2005CB321801);国家自然科学基金杰出青年基金(60625203)

Technology,Changsha,Hunan 410073,P.R.China A News Sharing Model Based on User Collaboration

FENG Dawei,ZHU Rui,WANG Huaimin

(School of Computer Science,National University of Defense Technology,Changsha 410073,China)

Received:2009-06-18 Revised:2009-11-05 Online:2011-05-25 Published:2011-05-25

摘要/Abstract

摘要：

如何从互联网已有海量信息中为用户推荐符合其兴趣的新闻是一项极具挑战的工作。门户网站式的传统新闻传播方法没有考虑用户的个性化需求，因而无法给出合适的推荐。本文提出了一种基于用户协作的新闻共享模型，通过浏览器插件收集用户的浏览行为、分析用户对网页的隐性评价，并结合协同过滤算法实现相似用户间的新闻推荐。在原型系统中验证了本文所提方法的有效性，并分析了推荐算法的性能。

关键词: 浏览行为, 用户兴趣, 新闻推荐, 协同过滤

Abstract:

It is a real challenge to recommend news for users according to their interests from the existing mass information on the Internet. The traditional news propagation way, such as news on the portal sites, does not take the users’ personal needs into consideration, which results in the low accuracy of the recommended news for users. In this article we propose a news sharing model based on the collaboration of users. More exactly, in this model, implicit ratings that the users give to the page are modeled from the users’ behavior data, which are collected from the web browser plugin, and then the news recommendations are shared among similar users based on these ratings through the algorithm of collaborative filtering. The method’s availability is confirmed through a prototypic implementation of the model and the performance of the recommendation algorithm is also analyzed.

Key words: browsing behavior;user interests;news recommendation;collaborative filtering

冯大为,朱锐,王怀民. 基于用户协作的新闻共享模型[J]. J4, 2011, 33(5): 165-170.

FENG Dawei,ZHU Rui,WANG Huaimin. Technology,Changsha,Hunan 410073,P.R.China A News Sharing Model Based on User Collaboration[J]. J4, 2011, 33(5): 165-170.

[1]	李清风, 金柳, 马慧芳, 张若一. 双视图对比学习引导的多行为推荐方法[J]. 计算机工程与科学, 2024, 46(04): 707-715.
[2]	阎红灿, 王子茹, 李伟芳, 谷建涛. 伴随时间的模糊聚类协同过滤推荐算法[J]. 计算机工程与科学, 2021, 43(11): 2084-2090.
[3]	陈海龙, 闫五岳, 孙海娇, 程苗. 标签扩展的协同过滤推荐算法[J]. 计算机工程与科学, 2021, 43(10): 1826-1832.
[4]	张瑞典，钱晓东. 用余弦相似度修正评分的协同过滤推荐算法[J]. 计算机工程与科学, 2020, 42(06): 1096-1105.
[5]	袁泉1,2,3,成振华1,2,江洋1,2. 基于知识图谱和协同过滤的电影推荐算法研究[J]. 计算机工程与科学, 2020, 42(04): 714-721.
[6]	李增, 刘羽, 李诚诚. 基于用户行为的新闻推荐算法的研究[J]. 计算机工程与科学, 2020, 42(03): 529-534.
[7]	宋月亭, 吴晟. 基于相似度优化和流形学习的协同过滤算法改进研究[J]. 计算机工程与科学, 2020, 42(02): 351-357.
[8]	刘辉, ., 曾斌, 刘子恺. 融合邻居选择策略和信任关系的兴趣点推荐[J]. 计算机工程与科学, 2020, 42(02): 365-372.
[9]	刘辉1,2,3，万程峰1,2，吴晓浩1,2. 基于增量协同过滤和潜在语义分析的混合推荐算法[J]. 计算机工程与科学, 2019, 41(11): 2033-2039.
[10]	黄乐乐1，马慧芳1,2，李宁3，余丽1. 基于二分图划分联合聚类的协同过滤推荐算法[J]. 计算机工程与科学, 2019, 41(11): 2040-2047.
[11]	刘国丽，白晓霞，廉孟杰，张斌. 基于专家信任的协同过滤推荐算法改进研究[J]. 计算机工程与科学, 2019, 41(10): 1846-1853.
[12]	吴浩1，王晓晨1，曾诚1,2，何鹏1,2. 基于异质用户网络嵌入的服务推荐方法研究[J]. 计算机工程与科学, 2019, 41(07): 1244-1250.
[13]	李艳娟，牛梦婷，李林辉. 基于蜂群K-means聚类模型的协同过滤推荐算法[J]. 计算机工程与科学, 2019, 41(06): 1101-1109.
[14]	王艳茹1,马慧芳1,2,刘海姣1,魏家辉1. 基于多标签语义关联关系的微博用户兴趣建模方法[J]. 计算机工程与科学, 2018, 40(11): 2067-2073.
[15]	王磊，瞿佳明. 基于协同过滤和Slope One算法的Web服务可靠性预测[J]. 计算机工程与科学, 2018, 40(08): 1390-1397.