Resumen

Ante la gran cantidad de noticias en línea, a menudo es difícil para el público localizar rápidamente las noticias en las que están interesados. La tecnología de recomendación personalizada puede descubrir los puntos de interés de los usuarios según los hábitos de comportamiento de los usuarios, recomendando así las noticias que puedan ser de interés para el usuario. En este artículo, se realizan mejoras en la etapa de preprocesamiento de datos y en la etapa de recopilación de vecinos más cercanos del algoritmo de filtrado colaborativo. En la etapa de preprocesamiento de datos, la matriz de calificaciones usuario-elemento se completa para aliviar su dispersión. Se introducen el factor de etiqueta y el factor de tiempo para que el modelo de preferencias del usuario construido tenga un mejor efecto de expresión. En la etapa de búsqueda del conjunto de vecinos más cercanos, se combina el algoritmo de filtrado colaborativo con el algoritmo de K-means dicotómico, se selecciona el grupo de usuarios que coinciden con el usuario objetivo como el rango de búsqueda del conjunto de vecinos más

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Grandes cantidades; Noticias en línea; Tecnología de recomendación personalizada; Etapa de preprocesamiento de datos; Colección de vecinos más cercanos; Algoritmo de filtrado colaborativo
• Keywords:Massive amounts; Online news; Personalized recommendation technology; Data preprocessing stage; Nearest neighbor collection; Collaborative filtering algorithm