%0 Journal Article
%A 陈刚
%A 李锋
%A 魏双建
%A 袁仁进
%T 基于VSM和Bisecting <em>K</em>-means聚类的新闻推荐方法
%D 2019
%R 10.13190/j.jbupt.2018-067
%J 北京邮电大学学报
%P 114-119
%V 42
%N 1
%X 针对海量新闻数据给用户带来的困扰，为提升用户阅读新闻的个性化体验，提出了融合向量空间模型和Bisecting <em>K</em>-means聚类的新闻推荐方法.首先进行新闻文本向量化，使用向量空间模型和TF-IDF算法构建出新闻特征向量；采用Bisecting <em>K</em>-means聚类算法对新闻特征向量集进行聚类；然后将已聚类的新闻集分为训练集和测试集，根据训练集构建&quot;用户-新闻类别-新闻&quot;三层层次结构的用户兴趣模型；最后采用余弦相似度方法得出新闻推荐结果，并与测试集进行对比分析.实验以基于用户的协同过滤算法、基于物品的协同过滤算法、结合向量空间模型和<em>K</em>-means聚类的推荐方法为基准，实验结果表明，该方法具有可行性，在准确率、召回率和<em>F</em>值上都有所提高.
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2018-067