推薦系統在新聞領域的研究綜述

安麗達 王娟

摘要：隨著互聯網的發展，人們獲取信息的方式發生了巨大變化，但也伴隨著信息量過載的問題。推薦系統幫助用戶在海量信息中獲取自身所需的數據，而新聞領域的獨特性成為推薦系統發展的一個重要方向。本文重點介紹了傳統的推薦算法包括基于內容的推薦、基于協同推薦和混合推薦的主要內容和在新聞領域中的研究現狀，然后對比不同推薦算法在新聞領域應用的優缺點，并簡要介紹基于人工智能的推薦系統。

關鍵字：新聞推薦；基于內容推薦；基于協同推薦；混合推薦

引言

隨著互聯網技術的迭代更新，傳統的紙媒、電視獲取新聞逐步變成了通過網站在線閱讀新聞，同時也伴隨著另一個問題的出現——信息過載，解決該問題的一種方法就是推薦系統。一個好的新聞推薦系統除了能為用戶推薦喜歡的新聞，與用戶建立密切的關系，讓用戶對系統推薦產生依賴性，還能為新聞網站帶來更多的流量和可觀的經濟效益。與電影推薦等其他領域的推薦系統相比，新聞推薦具有時效性高、項目相關性變化快等獨特性。本文分別介紹基于內容推薦、基于協同推薦和混合推薦的主要研究內容和方法，以及三者在新聞領域中的研究現狀，分析和對比三者之間的差異。

1. 傳統的推薦算法

1.1 基于內容的推薦算法

基于內容的推薦算法是以用戶產生過閱讀行為的項目為中心，通過提取項目的特征值來搜尋其他相似的項目，然后生成一個推薦列表并推送給用戶。對于新聞文章不受限制的自由文本數據而言，最基礎的提取項目特征的做法是將文章看作詞的集合，將用戶看作瀏覽歷史的文本所包含詞的結合，根據兩者的相關性進行匹配再推薦，在獲取新聞的特征向量時可以采用將推薦內容轉換成若干關鍵詞的形式[1]。

YourNews個性化新聞訪問系統，為不同主題分別維護單獨的興趣記錄，用戶對這些主題的興趣信息可以從用戶的新聞瀏覽歷史記錄中抽取的加權詞向量表示，系統在收集用戶過去瀏覽的N篇文章中，抽取權重最高的100個詞來生成用戶最終的原型向量[2]。許多個性化推薦系統使用文本數據中單詞的詞根形式將非結構化數據轉化為結構化數據，而其對應的值使用TF-IDF權重值（詞頻-逆文件頻率），詞的TF-IDF權重值越大代表詞在文章中的重要性越高，值較大的幾個詞，就是文章的關鍵詞。文獻[3]使用TF-IDF方法為新聞標題中的每個單詞賦予權重，并使用余弦相似性計算文章之間的相似性來推薦新聞，并驗證其推薦結果與在線新聞門戶網站Microsoft News上的讀者新聞歷史使用命中率為80.77%。

1.2 協同過濾推薦算法

協同過濾推薦算法的基本思想是根據用戶歷史行為和興趣偏好，發現和分析用戶之間的相似性，進而推薦給用戶與他們興趣相似的項目。該算法分為基于用戶、基于項目的協同過濾算法。

1.2.1 基于用戶的協同過濾

基于用戶的協同過濾是依據用戶的行為信息，利用用戶的興趣愛好構建用戶之間的共同特征，再利用特征，把類似用戶的偏好推薦給用戶。不同于基于內容的推薦算法，基于協同過濾算法與領域無關，除了用戶對項目的評分信息外，協同過濾不需要任何的項目描述信息。

GroupLens[4]是一個使用協作過濾推薦網絡新聞的系統，旨在幫助人們在大量可用文章中找到他們喜歡的文章，系統使用評級服務器（better bit bureaus）收集和傳播對個人用戶和文章的評級和預測的結果。使用線性模型將MinHash聚類算法、潛在概率索引算法（PLSI）和協同訪問計數結合起來形成推薦結果，該方法與內容無關，因此易于適應其他應用和語言[5]。

1.2.2 基于項目的協同過濾

該方法是根據用戶有過訪問行為的項目，尋找與其具有相似度的其他項目，然后計算項目之間的相似度，通過這些相似項目產生推薦給用戶的項目集。如果越來越多的用戶同時喜歡這兩個項目，就表示兩個項目之間的相似度高。對于新用戶或新聞，由于新聞數量大，用戶對大部分新聞沒有訪問，缺乏歷史訪問記錄，難以進行個性化推薦，會造成冷啟動問題；隨著用戶和項目不斷地增長，基于項目的協同推薦算法存在數據稀疏問題，以及無法捕捉用戶興趣變化問題[6]。由于新聞種類多、數量大并且更新速度快，如果使用基于項目的協同推薦算法，則建立的新聞評分矩陣和新聞相關度表需要實時更新，實時刷新的相似度表會成為災難。因此，在新聞領域中，需要結合其他推薦算法和技術成為混合推薦算法，以克服基于項目的協同過濾推薦算法的局限性[7]。

1.3 混合推薦

混合推薦就是將多種不同的推薦算法進行組合，結合它們的優點來推薦，從而使推薦效果更準確。總結了七種組合方法：加權混合（weighted）、切換混合（switching）、合并混合（mixed）、特征組合混合（feature combination）、層疊組合混合（cascade）、特征增強混合（feature augmentation）、元級混合（meta-level）[8]。本文簡單列舉其中較流行的組合。

（1）加權混合（weighted）：把多種推薦技術的結果以分數或者投票的形式按照加權混合產生推薦結果，其中最簡單的是線性混合方法。加權混合的好處在于系統的性能與推薦過程相關，這樣很容易進行事后貢獻度分配并相應地調整混合模型。

（2）切換混合（switching）：允許根據不同的問題背景和實際情況，切換不同的推薦算法，選擇最適合的進行計算。因為需要設置轉換標準，所以該方法會增加算法的復雜度和參數化。切換混合的好處是對各種推薦技術的優點和弱點比較敏感。

（3）特征擴充混合（feature augmentation）：使用一種方法對項目進行評分或分類，然后將該信息嵌入另一個推薦技術的特征輸入。特征擴充與特征組合都是用于提升系統的性能，特征組合是將來自不同來源的原始數據進行合并，而擴充技術是通過中介使用其他技術來增強數據本身，從而添加附加功能。文獻[9]將基于內容過濾算法的覆蓋率和速度與協同過濾的深度相結合，應用于在線報紙，通過計算基于內容的過濾和協同過濾的加權平均來進行混合，從而實現預測的個性化和準確性。文獻[10]設計的Daily Learner采用基于內容和基于協作的切換混合模型，優先采用基于內容的推薦算法，如果基于內容的推薦算法不能充分地進行推薦，則嘗試基于協同推薦算法。文獻[11]研究表明GroupLens研究團隊與Usenet新聞過濾合作，使用特征擴充混合模型實現了基于知識的“過濾機器人”，使用“拼寫錯誤的數量”和“包含的消息大小”等特定的標準，向評級數據庫提供評級來協作部分的系統，用來改善電子郵件過濾的性能。

結語

基于內容的推薦算法根據用戶過去行為記錄推薦相似的新聞，因此推薦結果往往缺乏多樣性，新聞覆蓋率不高。在新聞領域中，協同推薦算法使用的是系統記錄的用戶行為，存在冷啟動、數據稀疏和難以捕捉用戶興趣變化的問題，融入時間因素、信任因子和知識圖譜等基于協同過濾的改進算法往往能取得較滿意的推薦效果。混合推薦是結合兩者優點。隨著人工智能技術的發展，將人工智能技術融入推薦系統可以大幅提升系統的性能。深度學習可以表征與用戶和項目相關的海量數據，從豐富的多源異構的數據中獲得數據深層次的特征表示；知識圖譜可以快速挖掘用戶和項目相關的實體、關系，為推薦系統提供更豐富、更有效的信息，緩解傳統推薦的不足，提高推薦系統的精準性和推薦結果的可解釋性；強化學習技術可以通過模型與用戶的交互，實時優化推薦策略，提升推薦系統的準確性和用戶的滿意程度。融入各種人工智能技術的新聞推薦系統將是研究的重要方向。本文重點介紹和分析了傳統推薦方法：基于內容推薦、協同推薦和混合推薦，整理總結了不同推薦模型在新聞領域中應用的優缺點，對未來新聞推薦系統發展進行了展望。

參考文獻：

[1]劉維超，楊有，余平.基于內容的新聞推薦系統研究綜述[J].福建電腦，2019， 35（9）：71-74.

[2]何穎，劉英華，鄒妍.基于內容推薦的新聞推薦策略優化和實現研究[J].現代計算機，2021，（4）：117-120.

[3]蒲彬.基于社交信號的個性化新聞推薦系統的設計與實現[D].北京：中國科學院大學，2015.

[4]白莉婷.用戶畫像構建與社群推薦技術研究[D].西安：西安電子科技大學，2021.

[5]劉金亮.基于主題模型的個性化新聞推薦系統的研究與實現[D].北京：北京郵電大學，2013.

[6]蔣宗禮，汪瑜彬.一種個性化協同過濾混合推薦算法[J].軟件導刊，2016，15（3）：52-56.

[7]吳彥文，齊旻，楊銳.一種基于改進型協同過濾算法的新聞推薦系統[J].計算機工程與科學，2017，39（6）：1179-1185.

[8]Burke R.Hybrid Recommender Systems：Survey and Experiments.User Modeling and User-Adapted Interaction[J].The Journal of Personalization Research，2002，12（4）：331-370.

[9]陳銘權.基于主題模型的用戶興趣建模及在新聞推薦中的應用[D].廣州：華南理工大學，2015.

[10]張蘭蘭.基于協同過濾的個性化新聞推薦系統的研究與實現[D].重慶：重慶大學，2016.

[11]紀幼純.基于主題建模和分層隱變量模型的新聞推薦系統研究[D].廈門：廈門大學，2017.

作者簡介：安麗達，碩士，助教，研究方向：人工智能、數據分析；王娟，碩士，講師，研究方向：人工智能。