【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。更多还原

【Abstract】 The news recommender system is a popular research issue,in which the cold-start problem and the rich semantic information in the content challenges classical models.This paper proposes a collaborative joint embedding model to learn user and document vector with semantic information simultaneously.Specifically,it combines the word&doc embedding model with matrix factorization based collaborative filter mode.Experiment on real-world dataset shows that the proposed model outperforms other baseline models.更多还原