用于推荐文章的方法、设备和电子设备技术

本发明专利技术公开了一种用于推荐文章的方法、设备和电子设备。该方法包括：获取与多个对象对应的多个文章的特征词；基于所述特征词训练神经网络，以得到分布式表示的特征向量和经训练的神经网络；获取对象特征词，其中，所述对象特征词是与要向其推荐文章的对象相关的文章的特征词；获取所述对象特征词对应的特征向量作为输入特征向量；将所述输入特征向量输入所述神经网络以得到输出向量；获取与所述输出向量最接近的至少一个特征向量作为推荐特征向量；以及输出与所述推荐特征向量对应的文章做推荐文章。根据一个实施例，提供一种新的推荐文章的方式。

【技术实现步骤摘要】
用于推荐文章的方法、设备和电子设备
本专利技术涉及文章推荐技术，更具体地，涉及一种用于推荐文章的方法、设备和电子设备。
技术介绍
随着信息网络技术的发展，如何提高媒体对用户的粘性，这日益成为各个内容提供商关注的技术问题。提高用户粘性的一个很重要的手段是向用户推荐他感兴趣的文章，诸如，小说、新闻、网络博客等。如何确定确定用户感兴趣的文章以向用户推荐该文章，这是许多技术人员研究的一种重要方面。下面，以诸如网络小说的小说为例，说明目前用于推荐文章的现有技术。通常可以两种方式来确定向用户推荐的小说。第一种是协同过滤算法方式。目前，协同过滤算法方式是应用最广泛的推荐小说的方式。该方式的基本思想是，如果a、b两本小说经常被不同的读者同时阅读的话，那么当一个读者阅读小说a的时候，可以向他推荐小说b。在现有技术中，通常将这种协同过滤方式分为所谓的离线部分和在线部分。离线部分用于统计小说和小说之间的相似性。在线部分用于确定所要推荐的小说。在离线部分中，通过所收集的用户打点数据，统计小说与小说之间的相似性。例如，小说之间的相似性可以是基于阅读历史数据的。例如，可以通过如下公司计算相似性simi,j：N(本文档来自技高网...

【技术保护点】
一种用于推荐文章的方法，包括：获取与多个对象对应的多个文章的特征词；基于所述特征词训练神经网络，以得到所述特征词对应的特征向量和经训练的神经网络，其中，所述特征向量是基于神经网络的分布式表示的特征向量；获取对象特征词，其中，所述对象特征词是对象文章的特征词，所述对象文章是与要向其推荐文章的对象相关的文章；获取所述对象特征词对应的特征向量作为输入特征向量；将所述输入特征向量输入所述神经网络以得到输出向量；获取与所述输出向量最接近的至少一个特征向量作为推荐特征向量；以及输出与所述推荐特征向量对应的文章做推荐文章。

【技术特征摘要】
1.一种用于推荐文章的方法，包括：获取与多个对象对应的多个文章的特征词；基于所述特征词训练神经网络，以得到所述特征词对应的特征向量和经训练的神经网络，其中，所述特征向量是基于神经网络的分布式表示的特征向量；获取对象特征词，其中，所述对象特征词是对象文章的特征词，所述对象文章是与要向其推荐文章的对象相关的文章；获取所述对象特征词对应的特征向量作为输入特征向量；将所述输入特征向量输入所述神经网络以得到输出向量；获取与所述输出向量最接近的至少一个特征向量作为推荐特征向量；以及输出与所述推荐特征向量对应的文章做推荐文章。2.根据权利要求1所述的方法，其中，所述文章是小说，所述对象是用户，与所述多个对象对应的多个文章包括用户的阅读历史中的文章，以及所述特征词包括小说的作者和名称中的至少一个。3.根据权利要求2所述的方法，其中，所述多个文章被划分为多个组，每组文章与一个用户的阅读历史对应，以及在训练神经网络时将每组文章的特征词对应的特征向量拼接在一起作为训练输入向量。4.根据权利要求1所述的方法，其中，所述神经网络是深度神经网络。5.根据权利要求1所述的方法，其中，所述神经网络是Word2Vec神经网络，以及所述分布式表示的特征向量是基于所述特征词利用Word2Vec神经网络得到的特征向量。6.根据权利要求5所述的方法，其中，获取与所述输出向量最接近的至少一个特征向量作为推荐特征向量还包括：获取多个特征向量与所述输出向量...

【专利技术属性】
技术研发人员：康昭委，
申请(专利权)人：广东神马搜索科技有限公司，
类型：发明
国别省市：广东,44