国产综合久久久久-狠狠色噜噜狠狠狠狠av-国产女人乱人伦精品一区二区-亚洲a∨国产av综合av下载-爱做久久久久久

首頁 > 期刊 > 自然科學與工程技術 > 工程科技II > 綜合科技B類綜合 > 南京信息工程大學學報·自然科學版 > 基于深度學習的個性化新聞推薦 【正文】

基于深度學習的個性化新聞推薦

吳方照; 武楚涵; 安鳴霄; 謝幸 微軟亞洲研究院; 北京100080; 清華大學信息科學技術學院; 北京100084; 中國科學技術大學計算機科學與技術學院; 合肥230026
  • 推薦系統
  • 新聞推薦
  • 用戶建模
  • 深度神經網絡

摘要:由于網絡上每天有海量的新聞報道產生,新聞推薦已經成為減輕用戶信息負載、實現個性化新聞信息獲取的重要途徑,并被廣泛用于新聞網站和新聞APP中以提升用戶體驗.不同于傳統的商品推薦,在新聞推薦中新的新聞文章產生速度很快,而且新聞的語義信息需要結合整體新聞文本去理解,給傳統的基于ID和基于特征的推薦算法帶來了很大的挑戰.此外,用戶的新聞閱讀興趣存在高度多樣性和動態性的特點,使得準確的用戶建模變得非常困難.本文介紹了一些基于深度學習的個性化新聞推薦算法,并探討了新聞推薦未來的一些可行的方向.

注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社

投稿咨詢 文秘咨詢

南京信息工程大學學報·自然科學版

  • 預計1個月內 預計審稿周期
  • 1.38 影響因子
  • 教育 快捷分類
  • 雙月刊 出版周期

主管單位:江蘇省教育廳;主辦單位:南京信息工程大學

我們提供的服務

服務流程: 確定期刊 支付定金 完成服務 支付尾款 在線咨詢
主站蜘蛛池模板: 麻豆久久久9性大片| xx性欧美肥妇精品久久久久久| 麻豆国产人妻欲求不满| 在线看片人成视频免费无遮挡| 玩弄japan白嫩少妇hd| 豆国产95在线 | 亚洲| 无码毛片aaa在线| 免费无码又爽又刺激激情视频软件| 国产精品专区第1页| 无码中文av波多野吉衣迅雷下载| 亚洲精品久久久久中文字幕二区 | 99久久精品免费看国产 | 久久成人国产精品免费软件| 久久亚洲日韩精品一区二区三区| 久久久久久a亚洲欧洲av| 中文字字幕在线中文乱码| 久久精品国产最新地址| yy111111少妇无码影院| 狠狠躁日日躁夜夜躁2020| 欧美日韩一区二区综合| 成人国产欧美大片一区| 少妇熟女视频一区二区三区| 国产精欧美一区二区三区| 久久免费观看午夜成人网站| 亚洲制服丝袜av一区二区三区| 久久久久亚洲AV成人无码电影| 亚洲国产精品色一区二区| 亚洲中文字幕av一区二区三区| 国产成人无码a区在线视频无码dvd| 国产拍拍拍无遮挡免费| 亚洲人成人网站18禁| 综合无码一区二区三区四区五区| 久女女热精品视频在线观看| 99成人国产综合久久精品| 在线看片人成视频免费无遮挡| 成人禁片免费播放35分钟| 在线精品视频一区二区三区| 2021无码最新国产在线观看| 久久婷婷五月综合色国产香蕉| 国产精品久久人妻无码网站一区| 久久久久久久97|