Ashwini Gupta

A sobrecarga excessiva de informa es tornou-se um problema grave recentemente. O uso extensivo da tecnologia facilitou a vida, mas tamb m levou ao acesso cria o de informa es. Existem v rios portais de not cias onde muitas informa es s o carregadas diariamente. Como estamos na era das not cias eletr nicas, ler not cias online tornou-se um h bito comum das pessoas. As pessoas tendem a ler not cias na Web em vez de jornais ou outros meios de comunica o. Torna-se mais dif cil para o utilizador encontrar not cias relevantes e populares em pouco tempo. Hoje em dia, isso tornou-se um grande desafio, pois todos t m gostos e h bitos de leitura diferentes. Uma solu o para este problema o sistema de recomenda o de not cias. Foi desenvolvida uma recomenda o baseada em conte do que recomenda not cias com base na semelhan a do artigo com a consulta e na semelhan a do documento. Medidas como contagem de frequ ncia de termos e semelhan a de documentos s o usadas para descobrir a semelhan a da consulta no corpus completo de artigos de not cias. Cada documento comparado com todos os documentos dispon veis no corpus e a correspond ncia de conte do realizada para descobrir a pontua o de semelhan a. Os resultados s o avaliados em dois conjuntos de dados diferentes usando medidas para avaliar a relev ncia dos artigos de not cias recomendados.

Die berm ige Informationsflut ist in letzter Zeit zu einem ernsthaften Problem geworden. Der umfassende Einsatz von Technologie hat das Leben erleichtert, aber auch den Zugang zur Erstellung von Informationen erm glicht. Es gibt mehrere Nachrichtenportale, auf denen t glich eine Vielzahl von Informationen hochgeladen wird. In Zeiten von E-News ist das Lesen von Online-Nachrichten f r viele Menschen zur Gewohnheit geworden. Die Menschen lesen Nachrichten eher im Internet als in Zeitungen oder anderen Medien. F r Nutzer wird es immer schwieriger, in kurzer Zeit relevante und beliebte Nachrichten zu finden. Da jeder Mensch unterschiedliche Vorlieben und Lesegewohnheiten hat, ist dies heute eine gro e Herausforderung. Eine L sung f r dieses Problem ist ein Nachrichtenempfehlungssystem. Es wurde ein inhaltsbasiertes Empfehlungssystem entwickelt, das Nachrichten auf der Grundlage der hnlichkeit von Artikeln mit Suchanfragen und der hnlichkeit von Dokumenten empfiehlt. Ma nahmen wie die H ufigkeit von Begriffen und die hnlichkeit von Dokumenten werden verwendet, um die hnlichkeit von Suchanfragen im gesamten Korpus von Nachrichtenartikeln zu ermitteln. Jedes Dokument wird mit jedem im Korpus verf gbaren Dokument verglichen und ein Inhaltsabgleich durchgef hrt, um den hnlichkeitsgrad zu ermitteln.