一种新闻推荐方法、装置、系统及介质制造方法及图纸

本发明专利技术公开了一种新闻推荐方法、装置、系统及介质，方法包括：采集新闻数据，根据所述新闻数据构建包含实体信息的训练数据集；将所述训练数据集输入至预先构建的融合知识实体的新闻特征提取模型中，对所述新闻特征提取模型进行多任务训练，直到模型收敛；通过完成训练的所述新闻特征提取模型对候选新闻进行特征提取，得到融合新闻特征，所述融合新闻特征包括实体向量和新闻向量；将所述融合新闻特征输入至预先训练完成的推荐模型中，与用户特征进行匹配后向用户推荐相应的新闻。通过融合知识实体的新闻特征提取模型提取得到融合新闻特征，基于注入了知识实体的新闻向量进行新闻推荐，丰富了新闻表示信息，有效提高新闻推荐准确性。确性。确性。

【技术实现步骤摘要】
一种新闻推荐方法、装置、系统及介质


[0001]本专利技术涉及金融科技
，尤其涉及一种新闻推荐方法、装置、系统及介质。

技术介绍

[0002]银行app作为金融类软件，不仅提供了丰富的金融类产品，也有着丰富的新闻资讯。客户在app停留时间越长，就有机会购买上面的产品或者办理金融类业务，因此，个性化新闻推荐系统就应运而生，而推荐新闻准确性是留住客户的关键。
[0003]现有主流的文档理解模型主要是对文档进行编码，使得提取得到的新闻表示信息不够丰富，进而影响新闻推荐的准确性。

技术实现思路

[0004]鉴于上述现有技术的不足，本专利技术的目的在于提供可应用于金融科技或其它相关领域的一种新闻推荐方法、装置、系统及介质，旨在增强新闻表示的丰富性，提高新闻推荐的准确性。
[0005]本专利技术的技术方案如下：
[0006]一种新闻推荐方法，包括：
[0007]采集新闻数据，根据所述新闻数据构建包含实体信息的训练数据集；
[0008]将所述训练数据集输入至预先构建的融合知识实体的新闻特征提取模型中，对所述新闻特征提取模型进行多任务训练，直到模型收敛；
[0009]通过完成训练的所述新闻特征提取模型对候选新闻进行特征提取，得到融合新闻特征，所述融合新闻特征包括实体向量和新闻向量；
[0010]将所述融合新闻特征输入至预先训练完成的推荐模型中，与用户特征进行匹配后向用户推荐相应的新闻。
[0011]在一个实施例中，所述采集新闻数据，根据所述新闻数据构建包含实体信息的训练数据集，包括：
[0012]采集预设时间段内的新闻数据；
[0013]对所述新闻数据进行实体抽取，得到其中的新闻实体以及与所述新闻实体相关联的关联实体；
[0014]根据所述新闻数据以及对应的新闻实体和关联实体构建得到训练数据集。
[0015]在一个实施例中，所述预先构建的融合知识实体的新闻特征提取模型包括依次连接的实体表示层、语境嵌入层和权重配置层。
[0016]在一个实施例中，所述将所述训练数据集输入至预先构建的融合知识实体的新闻特征提取模型中，对所述新闻特征提取模型进行多任务训练，直到模型收敛，包括：
[0017]将所述训练数据集输入至所述实体表示层中，提取得到与新闻数据对应的新闻实体的知识图谱注意力特征；
[0018]将新闻实体的知识图谱注意力特征输入至所述语境嵌入层中，根据实体位置和实
体类别输出实体语境嵌入特征；
[0019]将所述实体语境嵌入特征输入至所述权重配置层中，对所述实体语境嵌入特征进行重要性加权后得到实体向量；
[0020]将所述实体向量与所述新闻数据的新闻向量进行拼接，得到融合新闻特征；
[0021]将所述融合新闻特征输入至若干个任务模型中进行多任务训练，直到满足预设收敛条件。
[0022]在一个实施例中，所述根据实体位置和实体类别输出实体语境嵌入特征，具体包括：
[0023]根据公式E
i
＝e
i
+E
pos
+E
cate
计算得到实体语境嵌入特征，其中，E
i
为实体语境嵌入特征，e
i
为实体嵌入特征，E
ops
为位置嵌入特征，E
cate
为类别嵌入特征。
[0024]在一个实施例中，所述将所述融合新闻特征输入至若干个任务模型中进行多任务训练，直到满足预设收敛条件，具体包括：
[0025]将所述融合新闻特征依次输入到若干个任务模型中，交替进行不同的任务训练，直到满足预设收敛条件。
[0026]在一个实施例中，所述任务模型包括新闻推荐任务模块、新闻分类任务模型、新闻预测任务模型。
[0027]一种新闻推荐装置，包括：
[0028]采集构建模块，用于采集新闻数据，根据所述新闻数据构建包含实体信息的训练数据集；
[0029]训练模块，用于将所述训练数据集输入至预先构建的融合知识实体的新闻特征提取模型中，对所述新闻特征提取模型进行多任务训练，直到模型收敛；
[0030]特征提取模块，用于通过完成训练的所述新闻特征提取模型对候选新闻进行特征提取，得到融合新闻特征，所述融合新闻特征包括实体向量和新闻向量；
[0031]推荐模块，用于将所述融合新闻特征输入至预先训练完成的推荐模型中，与用户特征进行匹配后向用户推荐相应的新闻。
[0032]一种新闻推荐系统，所述系统包括至少一个处理器；以及，
[0033]与所述至少一个处理器通信连接的存储器；其中，
[0034]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述新闻推荐方法。
[0035]一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的新闻推荐方法。
[0036]有益效果：本专利技术公开了一种新闻推荐方法、装置、系统及介质，相比于现有技术，本专利技术实施例通过融合知识实体的新闻特征提取模型提取得到融合新闻特征，基于注入了知识实体的新闻向量进行新闻推荐，丰富了新闻表示信息，有效提高新闻推荐准确性。
附图说明
[0037]下面将结合附图及实施例对本专利技术作进一步说明，附图中：
[0038]图1为本专利技术实施例提供的新闻推荐方法的一个流程图；
[0039]图2为本专利技术实施例提供的新闻推荐方法中步骤S100的流程图；
[0040]图3为本专利技术实施例提供的新闻推荐方法中步骤S200的流程图；
[0041]图4为本专利技术实施例提供的新闻推荐装置的功能模块示意图；
[0042]图5为本专利技术实施例提供的新闻推荐系统的硬件结构示意图。
具体实施方式
[0043]为使本专利技术的目的、技术方案及效果更加清楚、明确，以下对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。以下结合附图对本专利技术实施例进行介绍。
[0044]银行app作为金融类软件，不仅提供了丰富的金融类产品，也有着丰富的新闻资讯。客户在app停留时间越长，就有机会购买上面的产品或者办理金融类业务，因此，个性化新闻推荐系统就应运而生，而推荐新闻准确性是留住客户的关键。
[0045]现有主流的文档理解模型主要是对文档进行编码，并没有考虑文章中实体的知识，使得提取得到的新闻表示信息不够丰富，进而影响新闻推荐的准确性。
[0046]为了解决上述问题，本专利技术提出一种新闻推荐方法，请参阅图1，图1为本专利技术提供的新闻推荐方法一个实施例的流程图。本实施例提供的新闻推荐方法应用于包括终端设备、网络和服务器构成的系统，其中网络为用于在终端设备和服务器之间提供通信链路的介质，其可以包括各种连接类型，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新闻推荐方法，其特征在于，包括：采集新闻数据，根据所述新闻数据构建包含实体信息的训练数据集；将所述训练数据集输入至预先构建的融合知识实体的新闻特征提取模型中，对所述新闻特征提取模型进行多任务训练，直到模型收敛；通过完成训练的所述新闻特征提取模型对候选新闻进行特征提取，得到融合新闻特征，所述融合新闻特征包括实体向量和新闻向量；将所述融合新闻特征输入至预先训练完成的推荐模型中，与用户特征进行匹配后向用户推荐相应的新闻。2.根据权利要求1所述的新闻推荐方法，其特征在于，所述采集新闻数据，根据所述新闻数据构建包含实体信息的训练数据集，包括：采集预设时间段内的新闻数据；对所述新闻数据进行实体抽取，得到其中的新闻实体以及与所述新闻实体相关联的关联实体；根据所述新闻数据以及对应的新闻实体和关联实体构建得到训练数据集。3.根据权利要求1所述的新闻推荐方法，其特征在于，所述预先构建的融合知识实体的新闻特征提取模型包括依次连接的实体表示层、语境嵌入层和权重配置层。4.根据权利要求3所述的新闻推荐方法，其特征在于，所述将所述训练数据集输入至预先构建的融合知识实体的新闻特征提取模型中，对所述新闻特征提取模型进行多任务训练，直到模型收敛，包括：将所述训练数据集输入至所述实体表示层中，提取得到与新闻数据对应的新闻实体的知识图谱注意力特征；将新闻实体的知识图谱注意力特征输入至所述语境嵌入层中，根据实体位置和实体类别输出实体语境嵌入特征；将所述实体语境嵌入特征输入至所述权重配置层中，对所述实体语境嵌入特征进行重要性加权后得到实体向量；将所述实体向量与所述新闻数据的新闻向量进行拼接，得到融合新闻特征；将所述融合新闻特征输入至若干个任务模型中进行多任务训练，直到满足预设收敛条件。5.根据权利要求4所述的新闻推荐方法，其特征在于，所述根据实体位置和实体类别输出实体语境嵌入特征，具体包括：根据公式E
i
＝e
i
+E
pos
...

【专利技术属性】
技术研发人员：史文鑫，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：