【技术实现步骤摘要】
基于时间加权的三部图新闻推荐方法
本专利技术涉及信息检索和数据挖掘领域，特别涉及一种基于时间加权的三部图新闻推荐方法。
技术介绍
随着移动网络的飞速发展以及智能手机的普及，人们的各种生活习惯也在潜移默化的被改变。曾经新闻信息大多通过看报纸和看电视来获取，这种方式从新闻信息的产生到生产出该条新闻再到发行，最终才能传播到每个人。这中间经历的时间相对比较长，而新闻本身所特有的特点之一就是时效性，如果在一定的时间内没有传播出来，那这些新闻就丧失了价值而变得毫无意义。现如今各类新闻客户端的出现，随时随地浏览新闻已经成为人们的日常活动之一。同时生产新闻的成本和时间都在大幅缩减，每时每刻媒体和个人都能够产生新闻信息数据。伴随着信息时代各式各样的数据信息产量呈几何指数形式增长现象的出现，给互联网用户带来了严重信息过载的问题。同时快节奏的生活方式又导致用户没有时间和精力在海量的信息中挨个寻找自己感兴趣的东西，因此人们想要从海量的新闻数据中找到自己感兴趣的信息已经变得越来越困难，还会出现信息利用率低的现象，造成信息资源的浪费。为解决此类...
【技术保护点】
1.一种基于时间加权的三部图新闻推荐方法，其特征在于，包括：/n输入获取的用户浏览的新闻数据，根据获取的用户浏览的新闻数据计算优化后的新闻资源值；根据优化后的新闻资源值进行新闻推荐；/n所述用户浏览的新闻数据包括浏览的时间、新闻标题和新闻文本；/n所述计算优化后的新闻资源值的过程包括：采用热量扩散算法计算新闻向主题传导后的主题结点资源值和主题向新闻传导后新闻结点的资源值，采用时间权重函数对新闻向主题传导后的主题结点资源值和主题向新闻传导后新闻结点的资源值融合，得到优化后的新闻资源值。/n
【技术特征摘要】
1.一种基于时间加权的三部图新闻推荐方法，其特征在于，包括：
输入获取的用户浏览的新闻数据，根据获取的用户浏览的新闻数据计算优化后的新闻资源值；根据优化后的新闻资源值进行新闻推荐；
所述用户浏览的新闻数据包括浏览的时间、新闻标题和新闻文本；
所述计算优化后的新闻资源值的过程包括：采用热量扩散算法计算新闻向主题传导后的主题结点资源值和主题向新闻传导后新闻结点的资源值，采用时间权重函数对新闻向主题传导后的主题结点资源值和主题向新闻传导后新闻结点的资源值融合，得到优化后的新闻资源值。
2.根据权利要求1所述的一种基于时间加权的三部图新闻推荐方法，其特征在于，所述获取新闻向主题传导后的主题结点资源值和主题向新闻传导后新闻结点的资源值过程包括：
步骤1：获取目标用户浏览的新闻数据和与目标用户邻近用户所浏览的新闻数据；
步骤2：根据目标用户浏览的新闻数据和邻近用户浏览的新闻数据构建三部图网络推荐模型；
步骤3：根据三部图网络推荐模型计算新闻的初始资源；
步骤4：采用基于权重热量传导算法将三部图网络推荐模型分解为“新闻-用户”和“新闻-主题”方向上的两个二部图；
步骤5：将新闻的初始资源输入“新闻-主题”的二部图中，得到新闻向主题传导后的主题结点资源值；
步骤6：将新闻的初始资源输入“新闻-用户”的二部图中，得到主题向新闻传导后新闻结点的资源值。
3.根据权利要求2所述的一种基于时间加权的三部图新闻推荐方法，其特征在于，所述获取三部图网络推荐模型的过程包括：
步骤1：将用户集U＝{u1,u2,…,un}、项目集I＝{I1,I2,…,Im}、特征集T＝{t1,t2,…,tp}输入到三部图网络中；
步骤2：根据三个数据集内的节点之间的连接关系，创建三个关系矩阵A，B，C；
其中，矩阵A是用户-项目关系矩阵，若用户ui与项目Ij间存在连接关系，即用户选择过该项目，则aij＝1；否则为0；
矩阵B是项目-主题关系矩阵，如果项目Ii与主题tj间存在连接关系，则βij＝1；否则为0；
矩阵C是主题-用户关系矩阵，如果用户ui使用过主题tj，用cij表示用户对该主题使用的次数。
4.根据权利要求2所述的一种基于时间加权的三部图新闻推荐方法，其特征在于，所述获取与目标用户邻近用户的过程包括：
获取目标用户浏览新闻的主题特征；采用邻域方法对目标用户浏览过的新闻文本进行编号处理，得到目标用户浏览新闻项目倒排列表；根据目标用户浏览新闻项目倒排列表和目标用户浏览新闻的主题特征计算用户间的相似性；根据相似性的大小得到与目标用户最邻近的用户。
5.根据权利要求4所述的一种基于时间加权的三部图新闻推荐方法，其特征在于，所述得到与目标用户最邻近用户的步骤包括：
步骤1：找到和目标用户有着相似浏览行为的用户；
步骤2：提取用...
【专利技术属性】
技术研发人员：韦世红，李交泰，石旭，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。