[發(fā)明專利]一種適應(yīng)用戶興趣變化的媒體文章推薦方法

在審

• 申請?zhí)枺?/td>: 201710597163.6
• 申請日: 2017-07-20
• 公開（公告）號(hào): CN107491491A
• 公開（公告）日: 2017-12-19
• 發(fā)明（設(shè)計(jì)）人: 李慶;王佳
• 申請（專利權(quán)）人: 西南財(cái)經(jīng)大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 成都金英專利代理事務(wù)所(普通合伙)51218
• 代理人: 袁英

技術(shù)領(lǐng)域

本發(fā)明涉及一種信息推薦方法，尤其涉及一種適應(yīng)用戶興趣變化的媒體文章推薦方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)的發(fā)展，社會(huì)化媒體的出現(xiàn)使得用戶不僅是網(wǎng)絡(luò)內(nèi)容的瀏覽者,也是網(wǎng)絡(luò)內(nèi)容的制造者。它的發(fā)展進(jìn)一步加劇了網(wǎng)絡(luò)時(shí)代的信息爆炸。現(xiàn)有的推薦系統(tǒng)通過讓用戶回答問題或者主動(dòng)定制的方式來獲取用戶的興趣,進(jìn)而實(shí)現(xiàn)推薦。然而,用戶的興趣不是一成不變的,它會(huì)隨著時(shí)間的推移而變化。社會(huì)化媒體形式多樣,如論壇、博客、內(nèi)容社區(qū)、社交網(wǎng)絡(luò)等。在這些形式下,用戶可以發(fā)布或者轉(zhuǎn)帖一篇文章,其他用戶可以對其閱讀或評(píng)論,這些評(píng)論本身又會(huì)被其他用戶閱讀或評(píng)論。從用戶評(píng)論中,可以觀察出用戶當(dāng)前感興趣的話題。現(xiàn)有的基于內(nèi)容的推薦方法一般根據(jù)原文的內(nèi)容信息、來推薦相關(guān)文章。然而,隨著用戶討論的繼續(xù),討論的主題也會(huì)發(fā)生變化,即用戶興趣也會(huì)發(fā)生變化。這時(shí),如果僅僅依據(jù)原文本體進(jìn)行推薦,則返回的文章往往不是用戶當(dāng)前最感興趣的,從而會(huì)降低用戶的滿意度。

此外，事件報(bào)道在網(wǎng)絡(luò)上的傳播,具有轉(zhuǎn)載重合、報(bào)道重合、包含重合和追蹤重合等特點(diǎn)，使基于內(nèi)容的推薦系統(tǒng)存在嚴(yán)重的重復(fù)推薦問題,即推薦文章的內(nèi)容與原文含有相同的信息,這樣會(huì)增加用戶的閱讀負(fù)擔(dān)。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提出了一種適應(yīng)用戶興趣變化的媒體文章推薦方法，并通過分析推薦文章與原文章的邏輯關(guān)系，去除重復(fù)的文章，減輕用戶負(fù)擔(dān)，推薦出符合用戶需求的文章。

為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

提供一種適應(yīng)用戶興趣變化的媒體文章推薦方法，具體包括：

S1、收集文章及評(píng)論信息；

具體地，通過網(wǎng)頁爬蟲技術(shù)抓取網(wǎng)頁，利用網(wǎng)頁解析技術(shù)從獲取網(wǎng)頁中抽取出文章標(biāo)題、正文、讀者評(píng)論、以及評(píng)論之間的引用和回復(fù)關(guān)系等。

S2、分析評(píng)論信息，計(jì)算評(píng)論的權(quán)值；

本發(fā)明中，每條評(píng)論對推薦結(jié)果的影響不一致，有些評(píng)論對原文內(nèi)容有深刻的見解，而有些評(píng)論是無意義的討論。因此，本發(fā)明根據(jù)抽取的評(píng)論間關(guān)系以計(jì)算每條評(píng)論對推薦的不同影響。

S21、構(gòu)建原文與評(píng)論間的關(guān)系模型；

其中，原文與評(píng)論間的關(guān)系模型包括內(nèi)容語義相似性模型和邏輯關(guān)系模型。

具體地，構(gòu)建內(nèi)容語義相似性模型時(shí)，構(gòu)建的關(guān)系模型為：G_C＝(V，E_C)，V為文本結(jié)點(diǎn)，E_C為結(jié)點(diǎn)間邊的集合。結(jié)點(diǎn)v到結(jié)點(diǎn)u間則有一條弧，弧上的權(quán)值是文檔間的相似性。

可選地，節(jié)點(diǎn)u與v的相似性計(jì)算方式如下：

其中，w_k(u)為詞語k在文本u中的權(quán)重，w_k(v)為詞語k在文本v中的權(quán)重，n為詞條總數(shù)，權(quán)重w_k(u)為：

其中，num_i,u是文本u中詞條t_i的出現(xiàn)次數(shù)，是文本u中所有詞條出現(xiàn)的次數(shù)之和，|D|為文檔總數(shù)，|j:t_i∈d_j|為包含詞條t_i的文檔和。

具體地，構(gòu)建邏輯關(guān)系模型時(shí)，原文本體、相關(guān)評(píng)論為關(guān)系模型中的文本結(jié)點(diǎn)，結(jié)點(diǎn)間的邏輯關(guān)系包括回復(fù)關(guān)系和引用關(guān)系。一條評(píng)論可能從其它評(píng)論中引用其內(nèi)容信息。其中回復(fù)關(guān)系包對原文本體的回復(fù)或?qū)α硪辉u(píng)論的回復(fù)。

基于回復(fù)關(guān)系構(gòu)建關(guān)系模型時(shí)，構(gòu)建的關(guān)系模型為：G_T＝(V，E_T)，V為文本結(jié)點(diǎn),E_T為結(jié)點(diǎn)間邊的集合。如果評(píng)論u對評(píng)論或原文v進(jìn)行回復(fù)，結(jié)點(diǎn)v到結(jié)點(diǎn)u間則有一條弧e_T＝(v，u)，e_T∈E_T。可選地，弧上的權(quán)值為1，可選地，原文本體是根結(jié)點(diǎn)，所有的評(píng)論是普通結(jié)點(diǎn)。

基于引用關(guān)系構(gòu)建模型時(shí)，構(gòu)建的關(guān)系模型為：G_D＝(V，E_D)，V為文本結(jié)點(diǎn),E_D為結(jié)點(diǎn)間邊的集合。如果一條評(píng)論u引用了評(píng)論v中的內(nèi)容，從結(jié)點(diǎn)v到結(jié)點(diǎn)u則有一條弧e_D＝(v，u)，e_D∈E_D。可選地，弧上的權(quán)值取1。

S22、根據(jù)構(gòu)建的關(guān)系模型計(jì)算評(píng)論的原始權(quán)重；