专13-4-深度学习在新闻推荐中应用.pdf

深度学习在新闻推荐中应用 鞠 奇 2016.4.13 机器学习 博⼠ 算法研究员， NLP算法团队负责⼈， 推荐/有哪些信誉好的足球投注网站/ ⼴告变现 技术总监 基于 内容(个性化) 推荐 数据平台 技术经理 POI平台建设与策略应用 ⼤数据应用中的算法如何创造商业价值？ Outline • Keywords Extraction • Semantic Topic Modeling • User Profile TFIDF term index weight 丁丁 60848 122.62 埃尔热 138872 64.78 丁丁在西藏 · ⼤开本经典收藏版 蓝莲花 322759 28.46 （全22册）（比利时著名连环画 ⼤师埃尔热的经典巨著） 米卢 338687 19.75 比利时 270889 19.15 托托 222905 17.12 标题 详情描述 历险记 95769 16.91 狗 22254 15.12 分词系统 名字 106179 13.67 西⽅⼈ 271446 13.25 Tf*idf 连环画 212669 12.30 …… TFIDF • word-word relevance • Location • IDF -- 常见词并不等于⽆意义词：公众⼈物 ，热点事件等等； --低频词：⾼权值关键词，放⼤了⽣僻词的重要性； --新闻源的质量 ，IDF使用的新闻源和需要处理的新闻出自不 同的⽹站，编辑习惯，甚⾄新闻频道的划分等等都会带来误 差； --新闻源是⾄少半年以前的资料，新闻的时效性影响这关键 字的波动。 TextRank - PageRank TextRank 算法基于PageRank ，用于为⽂本⽣成关键字 PageRank 最开始用来计算⽹页的重要性。整个www 可以看作⼀张有向图 图，节点是⽹页。如果⽹页A存在到⽹页B 的链接，那么有⼀条从⽹页A 指向⽹页B 的有向边。 数量假设 ：在Web 图模型中，如果⼀个页面节点接收到的其他⽹页 指向的⼊链数量越多，那么这个页面越重要。 质量假设 ：指向页面A 的⼊链质量不同，质量⾼ 的页面会通过链接 向其他页面传递更多的权重。所以越是质