
Raccomandazione di notizie utilizzando la frequenza dei termini e la similarità dei documenti
Versandkostenfrei!
Versandfertig in 6-10 Tagen
23,99 €
inkl. MwSt.
PAYBACK Punkte
12 °P sammeln!
Il sovraccarico eccessivo di informazioni è diventato un problema serio negli ultimi tempi. L'uso estensivo della tecnologia ha reso la vita più facile, ma ha anche portato alla creazione di un accesso alle informazioni. Esistono diversi portali di notizie dove ogni giorno vengono caricate molte informazioni. Poiché viviamo nell'era delle notizie elettroniche, leggere le notizie online è diventata un'abitudine comune. Le persone tendono a leggere le notizie sul web piuttosto che sui giornali o su altri media. Diventa quindi più difficile per gli utenti trovare notizie pertinenti e popolar...
Il sovraccarico eccessivo di informazioni è diventato un problema serio negli ultimi tempi. L'uso estensivo della tecnologia ha reso la vita più facile, ma ha anche portato alla creazione di un accesso alle informazioni. Esistono diversi portali di notizie dove ogni giorno vengono caricate molte informazioni. Poiché viviamo nell'era delle notizie elettroniche, leggere le notizie online è diventata un'abitudine comune. Le persone tendono a leggere le notizie sul web piuttosto che sui giornali o su altri media. Diventa quindi più difficile per gli utenti trovare notizie pertinenti e popolari in poco tempo. Oggi questo è diventato una sfida fondamentale, poiché ognuno ha gusti e abitudini di lettura diversi. Una soluzione a questo problema è il sistema di raccomandazione delle notizie. È stato sviluppato un sistema di raccomandazione basato sui contenuti che consiglia notizie in base alla somiglianza degli articoli con la query e alla somiglianza dei documenti. Misure come il conteggio della frequenza dei termini e la somiglianza dei documenti vengono utilizzate per trovare la somiglianza della query nel corpus completo degli articoli di notizie. Ogni documento viene confrontato con tutti i documenti disponibili nel corpus e viene eseguito un confronto dei contenuti per trovare il punteggio di somiglianza. I risultati vengono valutati su due diversi set di dati utilizzando misure che servono a valutare la pertinenza degli articoli di notizie raccomandati.