【技术实现步骤摘要】
融合时空特征的新闻推荐方法
[0001]本专利技术涉及信息
,具体涉及融合时空特征的新闻推荐方法。
技术介绍
[0002]随着网络技术与新闻媒体的发展,包括新闻门户网站和新闻APP在内的各种新闻资讯媒介上的网络新闻每天发行量大且类型各异、层出不穷。新闻的时效性、广泛性、公开性、变动性以及针对性等基本特性以及网络新闻的多面化、多渠道以及快速性,使得用户每天接收大量的网络新闻。一方面,用户大量不关心或不感兴趣的新闻,给用户造成了新闻“信息过载”,另一方面,用户感兴趣或持续关注的新闻,没能及时推送给用户。因此,如何挖掘用户的个性化偏好,根据新闻特征为用户推荐感兴趣的新闻,是当前“智媒体”时代亟需解决的关键问题之一。
[0003]传统的新闻推荐方法大部分通过分析用户历史点击新闻的新闻类型或新闻主题来挖掘用户偏好,部分研究进一步分析了用户阅读新闻的时长,但实际上,用户在阅读新闻时同样会关注与地域有关的新闻,例如所在居住地的实时新闻或者特定关注区域的新闻;用户对于某些时事新闻的跟踪报道或重大事件的发展时态的持续关注,例如XX运动会期间会连续多天阅读自己喜欢的项目或喜欢的运动员的相关新闻。上述现象都体现了用户对新闻时间与新闻事件发生的地点的“时空”偏好,然而已有的新闻推荐方法没有考虑“时空”特征进行个性化新闻推荐,无法及时地推送用户感兴趣的新闻。
[0004]综上所述,急需一种能够及时推荐用户感兴趣的新闻的新闻推荐方法以解决现有技术中存在的问题。
技术实现思路
[0005]本专利技术目的在于提 ...
【技术保护点】
【技术特征摘要】
1.融合时空特征的新闻推荐方法,其特征在于,包括:S1:新闻知识图谱构建,具体包括:S1
‑
1:获取新闻中的实体,构建描述新闻实体的数据模型,并根据新闻实体之间的关系得到对应的关系集;S1
‑
2:在步骤S1
‑
1的数据模型中的非结构化数据中抽取新闻实体v,得到对应的实体集;S1
‑
3:基于实体集和关系集建立三元组集合,结合实体集、关系集和三元组集合构建新闻知识图谱;S2:新闻实体模型构建,包括:基于步骤S1的新闻知识图谱和注意力机制构建TransE模型,通过TransE模型构建得到包括新闻实体v的新闻实体模型;S3:推荐模型构建,具体包括:S3
‑
1:采用注意力机制,计算某一新闻实体v与用户历史点击新闻的实体g
i
在历史时间T下的相关程度P
T
;S3
‑
2:通过加权求和方式,计算在相关程度P
T
下用户对某一新闻实体的偏好S3
‑
3:通过引入在历史时间T下的时间衰减项以及用户对某一新闻实体的偏好得到用户对某一新闻实体的喜好程度S3
‑
4:引入新闻发生地点与用户距离的幂律衰减项,获得用户对某一新闻实体v的新闻点击概率,并根据新闻实体v的新闻点击概率由高至低对新闻实体v所关联的新闻进行排序,生成新闻推荐列表。2.根据权利要求1所述的新闻推荐方法,其特征在于,所述步骤S3
‑
1中相关程度P
T
的表达式如下:其中,P
T
表示某一新闻实体v与用户历史点击新闻的实体g
i
在历史时间T下的相关程度,g
i
是用户历史点击新闻的实体,T表示历史时间,v表示新闻实体且其包括头实体h和尾实体t,v
T
表示历史时间T下的新闻实体v,G
i
表示用户在历史时间T下的交互集。3.根据权利要求2所述的新闻推荐方法,其特征在于...
【专利技术属性】
技术研发人员:龙怡天,唐宏顺,牟鹏民,尹斌,张纯,刘亚南,
申请(专利权)人:湖南风芒传媒有限公司,
类型:发明
国别省市:
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。