文件名称：Personalize-e-news-recommendation-system
文件大小：34KB
文件格式：ZIP
更新时间：2024-05-22 18:17:12
个性化电子新闻推荐系统 个性化新闻推荐系统主要由四个部分组成。 新闻提取和分类，新闻汇总，摘要和推荐。 在这四个组件中，我的责任是为新闻推荐组件实施适当的方法。 我提出了混合新闻推荐系统，主要由四个模型组成。 流行度模型，基于内容的过滤模型，协作过滤模型和位置感知个性化模型。 流行度模型根据新闻文章的事件类型得分对其进行排名。 如果用户没有帐户，则此模型有助于为用户推荐新闻。 基于内容的过滤模型使用BoW（单词袋）计算新闻文章之间的相似度，并根据其TF-IDF得分对文章进行排序。 协同过滤模型主要由两部分组成。 基于用户的协作过滤和基于项目的协作过滤。 基于用户的协作过滤意味着找到用户之间的相似性，然后进行推荐。 基于项目的协作过滤意味着找到新闻文章之间的相似性，然后进行推荐。 SVD（单值分解）用作一种Metrix因式分解技术，用于查找用户之间的相似性以及新闻文章之间的相似性。 在生成用
【文件预览】：
Personalize-e-news-recommendation-system-master
----contentBasedRecommender.py(2KB)
----collaborativeRecommender.py(2KB)
----__init__.py(0B)
----contentBasedFilteringModel.py(3KB)
----collaborativeFilteringModel.py(1KB)
----README.md(2KB)
----popularityModel.py(305B)
----__pycache__()
--------popularityRecommender.cpython-35.pyc(2KB)
--------contentBasedRecommender.cpython-36.pyc(3KB)
--------contentBasedFilteringModel.cpython-35.pyc(3KB)
--------hybridModel.cpython-36.pyc(3KB)
--------collaborativeRecommender.cpython-36.pyc(2KB)
--------__init__.cpython-35.pyc(200B)
--------collaborativeRecommender.cpython-35.pyc(2KB)
--------contentBasedRecommender.cpython-35.pyc(3KB)
--------hybridModel.cpython-35.pyc(3KB)
--------collaborativeFilteringModel.cpython-35.pyc(1KB)
--------popularityModel.cpython-35.pyc(513B)
--------init.cpython-35.pyc(196B)
--------__init__.cpython-36.pyc(173B)
--------init.cpython-36.pyc(5KB)
--------popularityRecommender.cpython-36.pyc(2KB)
--------contentBasedFilteringModel.cpython-36.pyc(2KB)
--------popularityModel.cpython-36.pyc(466B)
--------collaborativeFilteringModel.cpython-36.pyc(970B)
----init.py(9KB)
----hybridModel.py(4KB)
----popularityRecommender.py(2KB)