基于协同表示学习的个性化新闻推荐

作     者：梁仕威 张晨蕊 曹雷 程军军 许洪波 程学旗 LIANG Shiwei;ZHANG Chenrui;CAO Lei;CHENG Junjun;XU hongbo;CHENG Xueqi

作者机构：中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学北京100190 中国信息安全测评中心北京100085 

出 版 物：《中文信息学报》 (Journal of Chinese Information Processing)

年 卷 期：2018年第32卷第11期

页      面：72-78页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61425016 61433014 61472400) 

主　　题：新闻推荐 协同过滤 表示学习 

摘      要：新闻推荐是互联网推荐系统的研究热点之一,传统的协同过滤算法应用于新闻推荐中会面临严重的新闻冷启动问题,而且也没有考虑新闻内容本身包含的丰富的语义信息。该文将文档与词的表示学习模型与基于矩阵分解的协同过滤算法结合起来,提出一种用于推荐领域的协同表示学习模型,能同时学习带有语义信息的用户和文档的表示向量。在真实的新闻点击数据集上的实验表明,该文提出的模型优于其他基准模型。