Exploiting search history of users for news personalization

شخصی سازی محتوا یک مشکل قدیمی برای سرویس های آنلاین آنلاین است. در بیشتر شخصی سازی رویکرد کاربران به یک سرویس خبری توسط نمایه های جالب توجه مطرح شده است که با مقالات خبری مطابقت دارند تا به درستی تصمیم بگیرند که کدام مقاله توصیه می شود. هنگام ساخت پروفایل های کاربر، روش های شخصی سازی موجود، بهره برداری از فعالیت کاربر مشاهده شده در سرویس خبری خود را بدون استفاده از اطلاعات اضافی است که می تواند از منابع دیگر به دست آمده است. در این مقاله ما مسئله شخصی سازی اخبار با استفاده از اطلاعات استفاده است که خارج از اخبار سرویس. ما یک رویکرد جدید ارائه می دهیم که بر مفهوم پروفیل جستجو، که پروفایل های کاربر است که براساس تعاملات گذشته کاربر با موتور جستجوی وب ساخته می شود، متکی است. ما پیشنهادات ما را در مورد مجموعه داده های دیتا که از یاهو به دست می آید، تست می کنیم. ما ابعاد و جزئیات خاصی را که در آن پروفیل های جستجو می توانند ساخته شوند، کشف می کنیم. نتایج تجربی نشان می دهد که در مقایسه با یک استراتژی اساسی که فعالیت جستجوی کاربران را مورد سوء استفاده قرار نمی دهد، رویکرد ما قادر به افزایش کلیک بر روی مقالات خبری که در موقعیت های بالا لیست رتبه بندی رتبه بندی شده اند افزایش می یابد.