張晶晶 劉燁

摘? 要： 通過分析新聞傳播推薦技術(shù)現(xiàn)狀，發(fā)現(xiàn)傳統(tǒng)技術(shù)在相關(guān)分析計算時，未處理缺省值，導(dǎo)致推薦結(jié)果覆蓋率低。為了解決這一問題，提出基于在線評論和改進LDA模型的新聞傳播推薦技術(shù)。運用余弦距離計算法計算在線評論新聞傳播特征關(guān)聯(lián)度，再運用LDA模型設(shè)定閾值，用于預(yù)測LDA新聞傳播主題相似度。完成上述操作后，選擇最大相似用戶群，并得到用戶群特征詞權(quán)值，再采用協(xié)同方法將該值代入到推薦模型當(dāng)中，生成推薦結(jié)果。由此，完成基于在線評論和改進LDA模型的新聞傳播推薦技術(shù)設(shè)計。實驗數(shù)據(jù)集選自DataCastle，將數(shù)據(jù)集分成訓(xùn)練集和測試集，每次實驗都要從測試集中隨機抽取10組用戶，并選取最后傳播的15篇記錄作為實驗數(shù)據(jù)，最后，使用提出技術(shù)與傳統(tǒng)技術(shù)測試這10組數(shù)據(jù)集生成推薦結(jié)果的覆蓋率。實驗結(jié)果顯示，提出技術(shù)的覆蓋率更好，且符合設(shè)計需求。

關(guān)鍵詞： 新聞傳播; 在線評論; LDA模型; 推薦結(jié)果生成; 相似度預(yù)測; 關(guān)聯(lián)度計算

中圖分類號： TN911.1?34; TP391.3? ? ? ? ? ? ? ? ?文獻標(biāo)識碼： A? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）19?0115?03

Abstract： After analyzing the current situation of news propagation recommendation technology， it is found that the traditional technology did not process the default value in correlation analysis and calculation， which leads to low coverage rate of recommendation results. Therefore， the research of news propagation recommendation technology based on online comment and improved LDA （latent Dirichlet allocation） model is put forward. The cosine distance method is used to calculate the news propagation feature correlation degree based on online comment， and then the LDA model is used to set the threshold value for the prediction of topic similarity of LDA news propagation. After completing the above operations， the largest similar user group is selected to get the feature word weight of the user group， and then the weight is introduced into the recommendation model with the coordinative approach for the generation of recommendation results. On the basis of the above， the design of news propagation recommendation technology based on the online comment and improved LDA model is completed. The experimental data sets are selected from DataCastle and divided into training set and test set. In each experiment， 10 groups of users are randomly selected from the test set， and the last?propagated 15 records are selected as the experimental data. The coverage rate of the recommended results generated by the 10 groups of data sets is tested with both the proposed technology and the traditional technology. The experimental results show that the coverage rate of the proposed technology is better and can meet the design requirements.

Keywords： news propagation; online review; LDA model; recommendation result generation; similarity prediction; correlation degree calculation

0? 引? 言

新聞傳播推薦技術(shù)屬于數(shù)據(jù)挖掘與信息檢索等領(lǐng)域，學(xué)術(shù)界對于該技術(shù)的相關(guān)研究主要有主題檢測與跟蹤項目。跟蹤項目是通過識別新聞傳播數(shù)據(jù)流主題得到推薦結(jié)果，該技術(shù)具有兩種功能，可分析多語言文本和語音形式的新聞報道;可完成主題自動跟蹤和檢測突發(fā)性新聞主題等相關(guān)任務(wù)。

常用的三種推薦技術(shù)有：

1） 基于協(xié)同過濾模型的推薦技術(shù)，這是由Das提出的，先對用戶進行聚類，在類內(nèi)確定目標(biāo)用戶，這樣可以有效提高該技術(shù)的可擴展性。但該技術(shù)存在一個漏洞，在相關(guān)分析計算時，無法很好地處理缺省值[1]。

2） 基于內(nèi)容的新聞傳播推薦技術(shù)，通過分析用戶感興趣的項目，運用相關(guān)算法得到推薦結(jié)果，再將相似度較高的項目推薦給用戶。但該技術(shù)存在一些無法規(guī)避的問題，它只能推薦文本，無法推薦音樂和視頻。

3） 結(jié)合協(xié)同過濾模型和內(nèi)容的一種推薦技術(shù)。但該技術(shù)有一些固有缺陷，無法精準(zhǔn)地篩選出用戶感興趣的新聞主題。

為此，針對上述現(xiàn)狀，本文提出基于在線評論和改進LDA模型的新聞傳播推薦技術(shù)。詳細設(shè)計過程如下。

1? 在線評論新聞傳播特征關(guān)聯(lián)度計算

首先獲取在線評論新聞傳播的突發(fā)情況，再計算特征關(guān)聯(lián)度，計算過程如下：

當(dāng)某一新聞事件發(fā)生時，相關(guān)特征的軌跡上就會表現(xiàn)出一定程度的突發(fā)事件，若這些特征出現(xiàn)在同一新聞主題中，就要遵循以下兩個原則：

1） 新聞傳播特征、突發(fā)事件和突發(fā)軌跡具有一定相似性[2]。

2） 新聞傳播特征與特征軌跡所在文檔的重合度較高。

依據(jù)上述兩個原則，采用余弦距離計算法求新聞傳播特征與突發(fā)軌跡的關(guān)聯(lián)度，表達式為：

式中：[fi]表示第[i]個新聞傳播特征;[fj]表示第[j]個新聞傳播特征所在文檔的突發(fā)軌跡;[b]表示約束條件，文檔重合度為[t]的環(huán)境下的特征值[3]。

應(yīng)用式（1）計算新聞傳播特征與突發(fā)軌跡的相似性。記[Di]和[Dj]是[fi]和[fj]的文檔特征集合，定義[fi]和[fj]的集合最優(yōu)關(guān)系最小值為：

應(yīng)用式（2），在取得最小值的條件下，得到[fi]和[fj]的集合最優(yōu)關(guān)聯(lián)度[4?5]。

2? LDA新聞傳播主題相似度預(yù)測

基于在線評論得到的新聞傳播特征關(guān)聯(lián)度可能是稀疏的，為了提高新聞傳播特征關(guān)聯(lián)度，提出LDA模型預(yù)測，這樣可以縮小兩個新聞傳播主題的相似度，擴大兩者的集合范圍。

運用LDA模型設(shè)定一個閾值，LDA模型框架圖如圖1所示。

將余弦切換法引入LDA模型當(dāng)中，用于切換不同的相似度：

式中：[a]表示相似度比重;[T]表示主題評分矩陣相似度;[u]表示評分?jǐn)?shù)量;[v]表示評價個數(shù)[6]。運用式（3）得到新聞傳播主題評分矩陣的相似度，[a]是用來控制相似度所占比重的。在計算的過程中，若[a]的取值大于0.5，說明得到的相似度矩陣是不可用的，無法完成切換;若[a]的取值為0，說明得到的相似度矩陣是可用的，可以切換不同的新聞傳播主題;若[a]的取值為1，說明未求解到合適的相似度矩陣，無法用于新聞傳播相似度預(yù)測[7]。

3? LDA新聞傳播推薦模型

基于在線評論計算新聞傳播特征關(guān)聯(lián)度，再根據(jù)關(guān)聯(lián)度定義公式，求得關(guān)聯(lián)度值[8]。因新聞傳播特征關(guān)聯(lián)度是稀疏的，會影響推薦結(jié)果，在LDA模型中引入余弦切換法預(yù)測新聞傳播主題相似度。最后，為解決上文所說的缺陷，基于在線評論和改進LDA模型構(gòu)建新聞傳播推薦模型[9]，建模過程如下。

首先，通過式（1）求得目標(biāo)用戶與其他用戶的最優(yōu)關(guān)聯(lián)度作為相似度，選擇目標(biāo)用戶相似度中最大的相似用戶群[10]。再將所有的用戶興趣模型看作一個特征詞權(quán)值矩陣，用于計算目標(biāo)用戶的興趣度，由此，得到目標(biāo)用戶的潛在推薦模型，如圖2所示。

設(shè)目標(biāo)用戶相似用戶群為[U=v1，v2，…，vi]，其中，[U]表示目標(biāo)用戶。設(shè)[w]表示任意用戶的相似度[11]。運用式（4）計算[U]在推薦模型中的特征詞權(quán)值：

得到特征詞的權(quán)值后，采用協(xié)同方法構(gòu)建推薦模型為：

上述變量同式[12]（2）?？紤]到推薦模型中目標(biāo)用戶在多樣性上的需求，在推薦模型中選取最大的特征詞[13]。LDA新聞傳播推薦模型運行流程如圖3所示。

得到LDA新聞傳播推薦模型后，用改進的LDA模型生成推薦結(jié)果[14]。采用LDA模型中的余弦相似度計算公式，求得推薦模型與新聞傳播文本特征的相似度后，會得到兩種結(jié)果：一種是通過相似度排序得到的;另一種是根據(jù)先前的反饋得到的[15]。這兩種結(jié)果皆可使用。

由此，完成基于在線評論和改進LDA模型的新聞傳播推薦技術(shù)研究。

4? 仿真實驗

為測試所提的基于在線評論和改進LDA模型的新聞傳播推薦技術(shù)設(shè)計的合理性，設(shè)置對比實驗，實驗過程如下。

4.1? 實驗數(shù)據(jù)

實驗中所選取的數(shù)據(jù)集是DataCastle提供的，該數(shù)據(jù)集中包含10 000名用戶，在本次實驗中，隨機選取這10 000名用戶在3月的新聞瀏覽記錄，記錄中包含用戶的編號和瀏覽時間等。數(shù)據(jù)集詳細內(nèi)容如表1所示。

在實驗過程中要統(tǒng)一處理，將數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫當(dāng)中，數(shù)據(jù)提取與推薦結(jié)果是使用Java語言編寫程序完成的。將推薦結(jié)果導(dǎo)入數(shù)據(jù)庫后，要對比用戶實際瀏覽情況，實驗指標(biāo)是采用改進的LDA模型計算得出的。

4.2? 實驗過程

將選取的數(shù)據(jù)集分割成兩個部分，分別為訓(xùn)練集和測試集，將新聞傳播數(shù)量大于15篇的用戶取出來，作為測試集，剩下的作為訓(xùn)練集。每一次實驗都要從測試集中隨機抽取10組用戶，一組包含400名用戶，實驗選取這10組用戶最后傳播的15篇傳播記錄，將傳統(tǒng)的新聞傳播推薦技術(shù)與基于在線評論和改進LDA模型的新聞傳播推薦技術(shù)推薦出來的結(jié)果相對比，得到所用技術(shù)與傳統(tǒng)技術(shù)的覆蓋率，實驗次數(shù)設(shè)置為10次，實驗結(jié)果取平均值作為最終的實驗結(jié)果。覆蓋率越高，說明該技術(shù)的推薦效果越好。

4.3? 實驗結(jié)果

基于在線評論和改進LDA模型的新聞傳播推薦技術(shù)與傳統(tǒng)的新聞傳播推薦技術(shù)覆蓋率對比結(jié)果，如圖4所示。

由圖4可知，使用本文提出的基于在線評論和改進LDA模型的新聞傳播推薦技術(shù)相比傳統(tǒng)的新聞傳播推薦技術(shù)的覆蓋率更高，證明帶有LDA模型和在線評論的新聞傳播推薦技術(shù)的有效性。

5? 結(jié)? 語

通過概述新聞傳播技術(shù)的現(xiàn)狀，提出基于在線評論和改進LDA模型的新聞傳播推薦技術(shù)。本文選用的LDA模型具有兩種個性化推薦功能：一種是自適應(yīng)導(dǎo)航功能;另一種是自動推薦功能。故選用該模型設(shè)計新聞傳播推薦技術(shù)?；谠诰€評論和改進LDA模型的新聞傳播推薦技術(shù)的主要貢獻在于：該技術(shù)可針對新聞傳播列表建立特征數(shù)據(jù)流集合;可檢測不同突發(fā)時間的特征和軌跡;可計算出新聞傳播特征與突發(fā)軌跡的關(guān)聯(lián)度;可以預(yù)測突發(fā)事件的相似度。

在設(shè)計過程中，發(fā)現(xiàn)本文技術(shù)依然存在以下幾個問題：未考慮用戶興趣與時間變化的相關(guān)性;未考慮當(dāng)前時間與未發(fā)布時間的誤差;用戶矩陣的稀疏性仍然是一個很大的問題，這會嚴(yán)重影響本文技術(shù)的推薦效率。在后續(xù)研究中，要針對上述問題開展進一步研究。

參考文獻

[1] 蔣建洪，王珂.基于SA?LDA模型的美食熱點發(fā)現(xiàn)研究[J].美食研究，2017，34（4）：32?37.

[2] 何旭峰，陳嶺，陳根才，等.基于LDA主題模型的分布式信息檢索集合選擇方法[J].中文信息學(xué)報，2017，31（3）：125?133.

[3] 劉暢，張一珂，張鵬遠，等.基于改進主題分布特征的神經(jīng)網(wǎng)絡(luò)語言模型[J].電子與信息學(xué)報，2018，40（1）：219?225.

[4] 許騰騰，黃恒君.一種改進的Supervised?LDA文本模型及其應(yīng)用[J].計算機工程，2018，44（1）：69?73.

[5] 馮勇，屈渤浩，徐紅艷，等.融合TF?IDF和LDA的中文FastText短文本分類方法[J].應(yīng)用科學(xué)學(xué)報，2019，37（3）：378?388.

[6] 郭亞，宮葉云，張奇，等.基于主題模型的微博轉(zhuǎn)發(fā)行為預(yù)測[J].中文信息學(xué)報，2018，32（4）：130?136.

[7] 程磊，高茂庭.結(jié)合時間加權(quán)和LDA聚類的混合推薦算法[J].計算機工程與應(yīng)用，2019，55（11）：160?166.

[8] 盧竹兵，李玉州.基于網(wǎng)絡(luò)評論情感信任分析的推薦策略[J].計算機科學(xué)，2019，46（6）：75?79.

[9] 原淵.Mahout策略下礦井監(jiān)控視頻異常行為推薦[J].煤炭技術(shù)，2017，36（10）：218?220.

[10] 姚凱，涂平，陳宇新，等.基于多源大數(shù)據(jù)的個性化推薦系統(tǒng)效果研究[J].管理科學(xué)，2018，31（5）：3?15.

[11] 謝振平，金晨，劉淵.基于建構(gòu)主義學(xué)習(xí)理論的個性化知識推薦模型[J].計算機研究與發(fā)展，2018，55（1）：125?138.

[12] 李樹青，莊光光，秦嘉杭，等.借閱場景下圖書專業(yè)性質(zhì)量測度方法和圖書個性化推薦服務(wù)方法[J].圖書情報工作，2018，62（11）：53?63.

[13] 余永紅，高陽，王皓，等.融合用戶社會地位和矩陣分解的推薦算法[J].計算機研究與發(fā)展，2018，55（1）：113?124.

[14] 李裕礞，練緒寶，徐博，等.基于用戶隱性反饋行為的下一個購物籃推薦[J].中文信息學(xué)報，2017，31（5）：215?222.

[15] 丁夢曉，畢強，許鵬程，等.基于用戶興趣度量的知識發(fā)現(xiàn)服務(wù)精準(zhǔn)推薦[J].圖書情報工作，2019，63（3）：21?29.