基于点击反馈模型的内容推荐算法研究

摘要：

内容消费性平台优化页面内容的排序具有十分重要的意义.分析捕捉用户在页面浏览时的点击和反馈行为,以用户的兴趣标签与点击内容的主题匹配定义用户的正向点击和反向点击,以用户对内容的偏好评价定义反馈,以逻辑回归模型为基准抽取用户历史的数据进行回归分析,用户实时的点击和反馈行为对内容推荐流中数据进行重排序.以Epinion数据集作为测试数据集,实验结果表明:新的算法比单一采用逻辑回归模型能更为明显地提升数据AUC.

关键词：点击和反馈、内容推荐、逻辑回归、重排序、AUC

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：This paper is supported by National Science and Technology Support Program71102065;Chongqing Basic Science and Research Project in Cutting-Edge Technologiescstc2015jcyjA40049;Chongqing Municipal Education Committee Science and Technology Project Support ProgramKJ1403209;so on

在线出版日期：2016-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：129-135