报告目录

• 一 一般热门推荐算法
  1. （一）聚合计算
  2. （二）时间因素
  3. （三）案例
     1. 1.HackerNews新闻排序算法
     2. 2.Reddit信息排序算法
• 二 个性化推荐系统
  1. （一）个性化推荐系统的相关概念及变量
  2. （二）新闻文本的特征提取
  3. （三）相似度计算
  4. （四）基于内容的推荐（CB）
  5. （五）基于协同过滤的推荐（CF）
  6. （六）矩阵分解方法（MD）
  7. （七）推荐系统的融合
• 三 当前个性化新闻推荐算法的问题
  1. （一）内容不符合用户兴趣
  2. （二）内容质量问题
  3. （三）信息茧房与信息成瘾
  4. （四）可遗忘性
  5. （五）版权
• 四 推荐算法的优化策略
  1. （一）技术不断革新
  2. （二）构建优质内容生态
  3. （三）保持人工审核力度，加强立法管理
  4. （四）克服信息茧房的策略