【技术实现步骤摘要】
本专利技术涉及电子数字数据处理，尤其涉及一种新闻个性化推荐方法、设备以及计算机可读存储介质。
技术介绍
1、个性化推荐是一种基于用户个人兴趣和行为模式，通过分析用户的历史数据和行为信息，为用户提供定制化的内容推荐的方法。个性化推荐旨在根据用户的喜好和偏好，提供更有针对性和个性化的推荐结果，从而提升用户的体验和满意度。
2、现有的新闻个性化推荐系统一般分为三个模块，即新闻建模模块、用户建模模块和推荐模块。对于新闻建模模块，通常采用单一模态建模，也即只考虑新闻内容、或者标题、或者主题信息中的一项进行建模；对于用户建模模块，在建模的时候，只考虑用户的浏览记录进行建模。
3、由于新闻建模模块采用的是单一模态建模，并且未考虑到新闻封面图片信息，故存在信息的不全面性，无法充分理解用户的兴趣和需求的缺陷，从而影响个性化推荐系统对内容推送的准确性。因此，现有的新闻个性化推荐系统存在内容推送的准确性较低的缺陷。
4、上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种新闻个性化推荐方法，旨在解决现有的新闻个性化推荐系统存在内容推送的准确性较低的问题。
2、为实现上述目的，本专利技术提供的一种新闻个性化推荐方法，所述新闻个性化推荐方法包括以下步骤：
3、当捕获到新闻阅读操作时，获取所述新闻的各个特征信息，所述特征信息包括主题信息、标题信息和封面信息；
4、
5、基于注意力网络，对所述模态向量进行加权求和，生成所述新闻对应的新闻表示；
6、根据所述新闻表示与未阅新闻的新闻表示的相似度，推送所述未阅新闻。
7、可选地，所述当检测到用户阅读新闻的操作时，获取所述新闻的各个特征信息的步骤包括：
8、读取用户行为日志中记录的用户点击事件；
9、判断所述用户点击事件是否为所述新闻阅读操作；
10、若是，获取所述新闻的特征信息。
11、可选地，所述当检测到用户阅读新闻的操作时，获取所述新闻的各个特征信息的步骤包括：
12、在捕获到所述新闻阅读操作之后，基于新闻平台的元数据，获取所述新闻的主题信息和标题信息，并基于图像处理技术，提取所述新闻的封面信息。
13、可选地，所述对所述特征信息进行多模态编码，生成所述特征信息对应的各个模态向量的步骤包括：
14、基于词嵌入模型，对所述主题信息和所述标题信息进行文本嵌入向量编码，生成主题模态向量和标题模态向量；
15、基于卷积神经网络模型，提取所述封面信息的封面模态向量。
16、可选地，所述基于注意力网络，对所述模态向量进行加权求和，生成所述新闻对应的新闻表示的步骤包括：
17、基于所述注意力网络，确定所述主题模态向量、标题模态向量和封面模态向量对应的模态的注意力权重；
18、对所述主题模态向量、标题模态向量和封面模态向量，与所述主题模态向量、标题模态向量和封面模态向量对应的注意力权重进行加权求和运算，生成所述新闻对应的新闻表示。
19、可选地，所述基于注意力网络，对所述模态向量进行加权求和，生成所述新闻对应的新闻表示的步骤之后，还包括：
20、获取所述新闻的隐式反馈信息；
21、基于所述注意力网络，对新闻表示和所述隐式反馈信息进行加权求和，生成所述新闻对应的用户表示；
22、基于所述用户表示和所述新闻表示，推送所述未阅新闻。
23、可选地，所述获取所述新闻的隐式反馈信息的步骤包括：
24、根据所述新闻打开的时长，确定新闻阅读时间；和/或，
25、根据所述新闻的交互记录，获取用户对所述新闻的评论信息、收藏信息和/或分享信息。
26、可选地，所述基于所述用户表示和所述新闻表示，推送所述未阅新闻的步骤包括：
27、根据所述新闻表示和所述用户表示的相似度，对所述未阅新闻进行评估，获得所述未阅新闻的推荐值；
28、基于各个未阅新闻的推荐值，推送所述未阅新闻。
29、此外，为实现上述目的，本专利技术还提供一种新闻个性化推荐设备，所述新闻个性化推荐设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的新闻个性化推荐程序，所述新闻个性化推荐程序被所述处理器执行时实现如上所述的新闻个性化推荐方法的步骤。
30、此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有新闻个性化推荐程序，所述新闻个性化推荐程序被处理器执行时实现如上所述的新闻个性化推荐方法的步骤。
31、本专利技术实施例提供一种新闻个性化推荐方法，通过对新闻的主题信息、标题信息和封面信息等特征信息进行多模态编码，生成所述特征信息对应的各个模态向量；并基于注意力网络，对所述模态向量进行加权求和，生成所述新闻对应的新闻表示；然后再根据所述新闻表示与未阅新闻的新闻表示的相似度，推送所述未阅新闻。由于考虑到新闻封面图片信息、主题信息和标题信息，故依据的新闻特征信息具有全面性，可以更好地理解用户的兴趣和需求，从而达到提高新闻个性化推荐系统对内容推送的准确性的目的。
本文档来自技高网...【技术保护点】
1.一种新闻个性化推荐方法，其特征在于，所述新闻个性化推荐方法包括以下步骤：
2.如权利要求1所述的新闻个性化推荐方法，其特征在于，所述当检测到用户阅读新闻的操作时，获取所述新闻的各个特征信息的步骤包括：
3.如权利要求1所述的新闻个性化推荐方法，其特征在于，所述当检测到用户阅读新闻的操作时，获取所述新闻的各个特征信息的步骤包括：
4.如权利要求1所述的新闻个性化推荐方法，其特征在于，所述对所述特征信息进行多模态编码，生成所述特征信息对应的各个模态向量的步骤包括：
5.如权利要求1所述的新闻个性化推荐方法，其特征在于，所述基于注意力网络，对所述模态向量进行加权求和，生成所述新闻对应的新闻表示的步骤包括：
6.如权利要求1所述的新闻个性化推荐方法，其特征在于，所述基于注意力网络，对所述模态向量进行加权求和，生成所述新闻对应的新闻表示的步骤之后，还包括：
7.如权利要求6所述的新闻个性化推荐方法，其特征在于，所述获取所述新闻的隐式反馈信息的步骤包括：
8.如权利要求6所述的新闻个性化推荐方法，其特征在
9.一种新闻个性化推荐设备，其特征在于，所述新闻个性化推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的新闻个性化推荐程序，所述新闻个性化推荐程序配置为实现如权利要求1至8中任一项所述的新闻个性化推荐方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有新闻个性化推荐程序，所述新闻个性化推荐程序被处理器执行时实现如权利要求1至8任一项所述的新闻个性化推荐方法的步骤。
...【技术特征摘要】
1.一种新闻个性化推荐方法，其特征在于，所述新闻个性化推荐方法包括以下步骤：
2.如权利要求1所述的新闻个性化推荐方法，其特征在于，所述当检测到用户阅读新闻的操作时，获取所述新闻的各个特征信息的步骤包括：
3.如权利要求1所述的新闻个性化推荐方法，其特征在于，所述当检测到用户阅读新闻的操作时，获取所述新闻的各个特征信息的步骤包括：
4.如权利要求1所述的新闻个性化推荐方法，其特征在于，所述对所述特征信息进行多模态编码，生成所述特征信息对应的各个模态向量的步骤包括：
5.如权利要求1所述的新闻个性化推荐方法，其特征在于，所述基于注意力网络，对所述模态向量进行加权求和，生成所述新闻对应的新闻表示的步骤包括：
6.如权利要求1所述的新闻个性化推荐方法，其特征在于，所述基于注意力网络，对所述模态...
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。