一种基于用户行为的个性化新闻推荐方法及装置制造方法及图纸

本发明专利技术涉及一种基于用户行为的个性化新闻推荐方法及装置，其中，方法包括：步骤1：基于用户行为日志中提取用户特定时间段内阅读的新闻信息；步骤2：从所述特定时间段内阅读的新闻信息中获取新闻信息属性，基于所述新闻信息属性构建新闻信息矩阵；步骤3：根据所述新闻信息矩阵计算新闻‑用户相关值；步骤4：依据步骤2‑3计算不同用户的新闻‑用户相关值；步骤5：根据不同用户的新闻‑用户相关值的相似性为用户进行新闻推荐。该方法首先分析了新闻与用户之间的关系，根据得到新闻信息矩阵计算新闻‑用户相关值；再通过不同的相关值进行比较，将相关新闻进行推荐。

【技术实现步骤摘要】
一种基于用户行为的个性化新闻推荐方法及装置
本专利技术涉及智能推荐
，尤其涉及一种基于用户行为的个性化新闻推荐方法及装置。
技术介绍
近年来，智能推荐逐渐成为信息搜索的研究热点，而其中新闻推荐属于智能推荐重要的一个分支，现有技术中新闻推荐普遍采用基于协同过滤或者基于内容的推荐，这些方法并不能完美的契合用户需求，没有考虑用户自身偏好所带来的需求，只是将获取的新闻通过不同的属性将新闻进行量化，基于该方式获取的新闻存在对新闻理解的偏差，其次，还存在一些新闻推荐方法通过提取用户的行为日志进行推荐，该方法仅仅以用户的喜好为基础进行推荐，但是没有考虑新闻本身的内在属性和联系，反馈回来的新闻主要依赖于用户本身进行判断。导致新闻推荐均是同样类型的内容，严重降低用户体验，不能满足客户要求。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的目的之一在于提出一种基于用户行为的个性化新闻推荐方法，该方法首先分析了新闻与用户之间的关系，根据得到新闻信息矩阵计算新闻-用户相关值；再通过不同的相关值进行相似度比较，将相关新闻进行推荐。该方法通过将新闻属性和用户喜好进行量化，比以往单一的基于新闻属性进行推荐的方法更加灵活，同时也比单一通过用户的喜好建立的方法更加全面，保证推荐文章质量和多样化。本专利技术的第二目的在于提出一种基于用户行为的个性化新闻推荐装置。为达上述目的，本专利技术第一方面实施例提出了一种个性化新闻推荐方法，包括：步骤1：基于用户行为日志中提取用户特定时间段内阅读的新闻信息；步骤2：从所述特定时间段内阅读的新闻信息中获取新闻信息属性，基于所述新闻信息属性构建新闻信息矩阵；步骤3：根据所述新闻信息矩阵计算新闻-用户相关值；步骤4：依据步骤2-3计算不同用户的新闻-用户相关值；步骤5：根据不同用户的新闻-用户相关值的相似性为用户进行新闻推荐。作为本专利技术第一方面实施例提供的一种可能的实现方式，从所述特定时间段内阅读的新闻信息中获取新闻信息属性包括：所述新闻信息属性为新闻关键词、阅读时间、新闻类别、新闻发布权威性。进一步，其中所述基于所述新闻信息属性构建新闻信息矩阵进一步包括：将获取的新闻信息属性量化为{v1，v2，v3，v4}，v1表示新闻关键词，v2表示阅读时间，v3表示新闻类别，v4表示新闻发布权威性，且其中n表示所提取的新闻数量。则构建的新闻信息矩阵：进一步，采用Tf-Idf算法计算新闻关键词量化值，其中其中ri表示所提取新闻的关键词，R表示提取关键词个数。进一步，文章阅读时间量化值为其中ti表示文章阅读日期距离当前日期的时间间隔。进一步包括，新闻类别量化值为将新闻与所属类别进行关联，其中关联强度为：原所属类别＝0.6；相关类别＝0.36；不相关类别＝0.03.当有的新闻同时出现在两到三种类别时，将相关关联强度进行累加。进一步包括，依据权威性将新闻与新闻发布网站相关联，其中，权威网站＝1，一般权威网站＝0.6，非权威网站＝0.1.进一步包括，其中所述根据所述新闻信息矩阵计算新闻-用户相关值进一步包括：Ci＝nci，其中ci表示不同于新闻xi的其他所有新闻对用户的相关值，所述其中α表示用户偏好系数，β表示新闻属性系数，W表示新闻属性权值。进一步包括，提取阅读过新闻xi的多个用户阅读的其他新闻的新闻-用户相关值，并根据新闻-用户相关值的相似性为用户进行新闻推荐，所述新闻-用户相关值的相似性为：其中Wi表示新闻xi的属性权值，Wj表示新闻xj的属性权值。本专利技术目的之二，采用如下技术步骤进行实现：第一获取模块，基于用户行为日志中提取用户特定时间段内阅读的新闻信息；第二获取模块，从所述特定时间段内阅读的新闻信息中获取新闻信息属性，基于所述新闻信息属性构建新闻信息矩阵；构建模块，根据所述新闻信息矩阵计算新闻-用户相关值；第三获取模块，根据第二获取模块和构建模块循环输出不同用户的新闻-用户相关值；推荐模块，根据不同用户的新闻-用户相关值的相似性为用户进行新闻推荐。相比现有技术，本专利技术的有益效果在于：将新闻属性和用户喜好同时进行量化，比以往的单一属性信息构建方法更加方便和灵活；建立新闻信息矩阵，并根据新闻信息矩阵获得新闻-用户相关值，获取用户与新闻的相关性；根据新闻-用户相关值的相似度为用户推荐最匹配相关新闻，避免了人为干预，减少了人工成本，保证了推荐的新闻质量和多样化，解决了现有的新闻推荐的方法，存在推荐的新闻比较单一、不利于用户知识面的扩展、人工成本高、新闻质量不稳定以及不匹配等问题。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术实施例提供的一种个性化新闻推荐方法的流程示意图；图2为本专利技术实施例提供的一种个性化新闻推荐装置的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面参考附图描述本专利技术实施例的个性化新闻推荐方法及其装置图1为本专利技术实施例提供的一种基于用户个性化新闻推荐方法的流程示意图。图2为本专利技术实施例提供的一种基于用户个性化新闻推荐装置的结构示意图。如图1所示，该新闻推荐方法包括以下步骤：步骤101，基于用户行为日志中提取用户特定时间段内阅读的新闻信息；本实施例中可以从用户的行为日志中提取特定时间段内用户阅读的新闻以及浏览的网页内容，由于新闻本身时效性比较强，用户的新闻关注度容易发生变化，因此只对用户在特定时间段内的新闻关注度进行分析，其中特定时间段可以为3-5天。进一步建立用户和新闻的关系，其中u表示目标用户，X表示用户u读取的新闻集合，X＝(x1，x2，...xn)，其中xi表示用户u读取的新闻，n表示用户获取的新闻个数。步骤102，从所述特定时间段内阅读的新闻信息中获取新闻信息属性，基于所述新闻信息属性构建新闻信息矩阵。本实施例中可以提取新闻关键词、阅读时间、新闻类别、新闻发布权威性作为新闻的信息属性，并对该参数进行赋值实现新闻信息量化。通过提取该信息属性构建维向量，这个四维向量可以看做新闻对用户的相关度体现，其分类标准是基于“统计数据类型”划分的，经过量化后新闻信息属性表征为{v1，v2，v3，v4}，其中，v1表示新闻关键词，v2表示阅读时间，v3表示新闻类别，v4表示新闻发布权威性。具体的新闻关键词v1是用户获取新闻的重要信息，也是所有新闻推荐中最重要的属性，其中新闻关键词越详细，推荐的结果越准确，本文中将新闻关键词分为主要关键词，次要关键词和非关键词，并规定至少存在一个关键词。所述关键词可以从新闻标题、摘要、作者姓名以及首段和结尾段中提取。进一步，采用tf-idf的方法对关键词进行量化，其中ri表示所提取新闻的关键词，R表示提取关键词个数，关键词的权重表示为这样关键词的权重介于0-1之间，本专利技术中限定新闻只有一个主要关键词，即可以在更大单位内寻找值得推荐的新闻。参数v2表示阅读时间，在对新闻进行推荐时，时本文档来自技高网...

【技术保护点】
1.一种基于用户行为的个性化新闻推荐方法，其特征在于：步骤1：基于用户行为日志中提取用户特定时间段内阅读的新闻信息；步骤2：从所述特定时间段内阅读的新闻信息中获取新闻信息属性，基于所述新闻信息属性构建新闻信息矩阵；步骤3：根据所述新闻信息矩阵计算新闻‑用户相关值；步骤4：依据步骤2‑3计算不同用户的新闻‑用户相关值；步骤5：根据不同用户的新闻‑用户相关值的相似性为用户进行新闻推荐。

【技术特征摘要】
1.一种基于用户行为的个性化新闻推荐方法，其特征在于：步骤1：基于用户行为日志中提取用户特定时间段内阅读的新闻信息；步骤2：从所述特定时间段内阅读的新闻信息中获取新闻信息属性，基于所述新闻信息属性构建新闻信息矩阵；步骤3：根据所述新闻信息矩阵计算新闻-用户相关值；步骤4：依据步骤2-3计算不同用户的新闻-用户相关值；步骤5：根据不同用户的新闻-用户相关值的相似性为用户进行新闻推荐。2.根据权利要求1所述的基于用户行为的个性化新闻推荐方法，其中所述从所述特定时间段内阅读的新闻信息中获取新闻信息属性包括：所述新闻信息属性为新闻关键词、阅读时间、新闻类别、新闻发布权威性。3.根据权利要求2所述的基于用户行为的个性化新闻推荐方法，其中所述基于所述新闻信息属性构建新闻信息矩阵进一步包括：将获取的新闻信息属性量化为{v1，v2，v3，v4}，v1表示新闻关键词，v2表示阅读时间，v3表示新闻类别，v4表示新闻发布权威性，且其中n表示所提取的新闻数量，则构建的新闻信息矩阵4.根据权利要求3所述的基于用户行为的个性化新闻推荐方法，进一步包括，采用Tf-Idf算法计算新闻关键词量化值，其中ri表示所提取新闻的关键词，R表示提取关键词个数。5.根据权利要求4所述的基于用户行为的个性化新闻推荐方法，进一步包括，文章阅读时间量化值为其中ti表示文章阅读日期距离当前日期的时间间隔。6.根据权利要求5所述的基于用户行为的个性化新闻推荐方法，进一步包括，新闻类别量化值为将新闻与所属类...

【专利技术属性】
技术研发人员：王细娥，林柱英，李莉，
申请(专利权)人：无锡众创未来科技应用有限公司，
类型：发明
国别省市：江苏,32