بهبود توصيه اخبار با خوشه‌بندي كاربران بر اساس برچسب و سرخط خبرها

با گسترش اینترنت و رشد تارنماهای خبری استفاده از اخبار برخط روز به روز بیشتر می شود. از طرف دیگر، انتشار حجم انبوه رخدادهای خبری از رسانه های مختلف امكان مطالعه همه ی خبرها را ناممكن می سازد. به همین جهت سرویس های توصیه ی خبر، برای انتخاب بهینه ی اخبار از بین مجموعه ی اخبار جدید و توصیه آن مطابق با سلیقه كاربران ایجاد شده اند. در این مقاله، روش جدیدی برای توصیه اخبار پیشنهاد می شود كه در آن، كاربران بر اساس دو ویژگی برچسب های خبری و سرخط خبر به صورت برداری مدل می شوند. سپس با استفاده از الگوریتم خوشه بندی k-means، كاربران با سلایق خبری مشترك شناسائی می شوند. در مرحله بعدی، اخبار با بالاترین امتیاز در هر خوشه محاسبه و به كاربران آن خوشه توصیه می¬شود. روش معرفی شده با داده های واقعی بخش خبری موتور جستجوی پارسی جو ارزیابی شده است. نتایج به دست آمده نشان می¬دهد كه روش پیشنهادی در پیش بینی توصیه ها عملكرد مناسبی از خود نشان می دهد.