基于在线评论和改进LDA模型的新闻传播推荐技术研究

通过分析新闻传播推荐技术现状,发现传统技术在相关分析计算时,未处理缺省值,导致推荐结果覆盖率低。为了解决这一问题,提出基于在线评论和改进LDA模型的新闻传播推荐技术。运用余弦距离计算法计算在线评论新闻传播特征关联度,再运用LDA模型设定阈值,用于预测LDA新闻传播主题相似度。完成上述操作后,选择最大相似用户群,并得到用户群特征词权值,再采用协同方法将该值代入到推荐模型当中,生成推荐结果。由此,完成基于在线评论和改进LDA模型的新闻传播推荐技术设计。实验数据集选自DataCastle,将数据集分成训练集和测试集,每次实验都要从测试集中随机抽取10组用户,并选取最后传播的15篇记录作为实验数据,最后,使用提出技术与传统技术测试这10组数据集生成推荐结果的覆盖率。实验结果显示,提出技术的覆盖率更好,且符合设计需求。