大數據時代新聞推薦模型與方法研究

《大數據時代新聞推薦模型與方法研究》是依託廈門大學，由洪文興擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：大數據時代新聞推薦模型與方法研究
• 項目類別：青年科學基金項目
• 項目負責人：洪文興
• 依託單位：廈門大學

項目摘要

大數據技術是當前研究與行業套用的熱門問題；新聞信息是大數據時代的一個典型案例；個性化推薦用於解決新聞信息過載和信息迷航問題。結合數據量大、數據類型繁多、時效性嚴、準確度高的大數據特徵，課題提出新的推薦模型和方法，並開發完整的新聞推薦平台，完成理論、技術、算法和平台建設四個方面的工作。主要創新點包括：（1）基於多源異構新聞數據的用戶興趣建模。將用戶個人信息、閱讀歷史、社交網路信息、用戶反饋等以超圖的形式表示，開展基於超圖的用戶建模研究。在此基礎上，依據用戶的閱讀興趣，對新聞進行排序和選擇。（2）定義子模函式，將新聞推薦轉化為預算型最大覆蓋問題，確切反套用戶閱讀興趣的衰減，結合新聞時效性和地域性，幫助用戶選擇新聞。（3）從時間、空間、主題和命名實體多個維度展示新聞推薦結果。套用數據可視化技術，對新聞立方體各個維度進行鑽取、上卷和切片，以全面展示推薦結果。

結題摘要

大數據技術是當前研究與行業套用的熱門問題，新聞信息是大數據時代的一個典型案例。本研究將個性化推薦用於解決新聞信息過載和信息迷航問題。結合數據量大、數據類型繁多、時效性嚴、準確度高的新聞大數據特徵，課題提出一種適於大規模新聞信息的推薦框架，給出多維度用戶建模、多源新聞建模的方法，以及基於個性化隱變數模型的新聞推薦算法，並開發實施完整的新聞推薦平台，按期完成了“理論、技術、算法和平台建設”四個方面的研究工作。 在用戶建模方面，所提出的方法融合用戶的多類特徵，例如基本信息、用戶行為特徵與分類業務擴展特徵等，用以解決推薦過程中遇到的不同問題。在新聞推薦系統中，基本信息用以解決冷啟動問題，用戶行為特徵主要用以構造用戶長期模型，分類業務擴展特徵用以構造用戶短期興趣模型。研究將這種模型和思推廣套用到求職網站，用於求職者建模，也取得不錯的效果。在新聞建模方面，與用戶建模相似，研究將非結構化數據轉換為結構化數據，同時考慮新聞的基本特徵、文本特徵和命名實體，形成較為完備的特徵空間。 在上述特徵建模的基礎上，對於推薦系統中的隱變數模型，基於分段線性模型的想法，將個性化隱變數模型推廣為分層隱變數模型，使得每一類的用戶和物品都有相應的隱變數模型。研究採用神經網路算法對用戶和物品進行聚類，從而實現一種基於模型的推薦算法和平台。 研究共發表論文6篇，其中1篇SCI收錄、5篇EI收錄，獲得軟體著作權1項，申請專利1項，完成並上線實驗站點，並幫助課題組開啟金融文本大數據分析的相關研究，取得很好的資助效果。