NewsRecommendation-on-svd

Ucas Web Mining hw——News recommendation

数据说明

用户id 新闻id 阅览时间 新闻标题 新闻内容 新闻时间

主要思路

基于SVD分解

1. 设评分矩阵为R，大小为m×n，代表m个用户，n条新闻。R中元素r_ij代表着用户u_i对新闻i_j的评分。
2. 对R进行奇异值分解，得到R=U·S·V^T
3. 选择映射到低维空间的维度，重构评分矩阵，得到用户对每条新闻的打分值

推荐思路

根据tf-idf方法，基于新闻标题和内容的关键词，计算每一条train新闻对应的test新闻的相似度

• 对每个老用户，推荐其在训练集中未看过的、在重建评分矩阵中评分较高的新闻，以及测试集中与训练集中高评分新闻相似度较高的新闻；
• 对于新用户（即冷启动用户）则推荐训练集中的热点新闻，以及测试集中与热点新闻相似度高的新闻。