首页 理论教育 2019年软件工程论文专集:个性化推荐方法研究成果

2019年软件工程论文专集:个性化推荐方法研究成果

时间:2023-11-06 理论教育 版权反馈
【摘要】:纪达麒王文广陈运文桂洪冠文辉摘要:推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为与兴趣,新用户没有行为数据,如何进行推荐一直是推荐系统面临的难题。本文提出了新用户推荐的几种方法,包括基础属性挖掘,用户秒级反馈,跨应用整合数据三种方法来提升新用户推荐效果。

2019年软件工程论文专集:个性化推荐方法研究成果

纪达麒 王文广 陈运文 桂洪冠 文 辉

(达而观信息科技上海〉有限公司 上海 201203)

摘要:推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为与兴趣,新用户没有行为数据,如何进行推荐一直是推荐系统面临的难题。本文提出了新用户推荐的几种方法,包括基础属性挖掘,用户秒级反馈,跨应用整合数据三种方法来提升新用户推荐效果。最后通过一个资讯场景的数据对几种方法进行了效果比较。

关键词:冷启动,用户基础特征,用户行为秒级反馈,用户画像

作者简介:纪达麒,男,1983年生,硕士,CTO,专注于自然语言处理,搜索引擎,推荐系统等人工智能技术研发和应用,Email:jidaqi@datagrand.com;

王文广,男,硕士,技术副总裁;

陈运文,男,博士,CEO;

桂洪冠,男,硕士,技术副总裁;(www.xing528.com)

文辉,男,硕士,联合创始人。

Research of Personalized New User Recommendation Methods

Ji Daqi,Wang Wenguang,Chen Yunwen,Gui Hongguan,Wen Hui

(DataGrand Tech Inc.,Shanghai 201203,China)

Abstract:Recommendation system needs to predict user future behavior and interest based on users' historical behavior.New users have no behavior data.How to recommend is always a difficult problem faced by recommendation system.This paper proposes several methods of new user recommendation,including basic attribute mining,user behavior quickly feedback,cross-application integration of data to improve the effectiveness of new user recommendation.Finally,the effect of several methods is compared through a data set of information scenarios.

Keywords:Cold Start,User Basic Attribute Mining,User Behavior Quickly Feedback,User Profile

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈