[發明專利]用于推薦文章的方法、設備和電子設備

有效

• 申請號: 201710828184.4
• 申請日: 2017-09-14
• 公開（公告）號: CN107562925B
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 康昭委
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/279
• 代理公司: 北京博雅睿泉專利代理事務所(特殊普通合伙) 11442
• 代理人: 楊國權;馬佑平

本發明公開了一種用于推薦文章的方法、設備和電子設備。該方法包括：獲取與多個對象對應的多個文章的特征詞；基于所述特征詞訓練神經網絡，以得到分布式表示的特征向量和經訓練的神經網絡；獲取對象特征詞，其中，所述對象特征詞是與要向其推薦文章的對象相關的文章的特征詞；獲取所述對象特征詞對應的特征向量作為輸入特征向量；將所述輸入特征向量輸入所述神經網絡以得到輸出向量；獲取與所述輸出向量最接近的至少一個特征向量作為推薦特征向量；以及輸出與所述推薦特征向量對應的文章做推薦文章。根據一個實施例，提供一種新的推薦文章的方式。

技術領域

本發明涉及文章推薦技術，更具體地，涉及一種用于推薦文章的方法、設備和電子設備。

背景技術

隨著信息網絡技術的發展，如何提高媒體對用戶的粘性，這日益成為各個內容提供商關注的技術問題。提高用戶粘性的一個很重要的手段是向用戶推薦他感興趣的文章，諸如，小說、新聞、網絡博客等。如何確定確定用戶感興趣的文章以向用戶推薦該文章，這是許多技術人員研究的一種重要方面。

下面，以諸如網絡小說的小說為例，說明目前用于推薦文章的現有技術。通常可以兩種方式來確定向用戶推薦的小說。

第一種是協同過濾算法方式。目前，協同過濾算法方式是應用最廣泛的推薦小說的方式。該方式的基本思想是，如果a、b兩本小說經常被不同的讀者同時閱讀的話，那么當一個讀者閱讀小說a的時候，可以向他推薦小說b。

在現有技術中，通常將這種協同過濾方式分為所謂的離線部分和在線部分。離線部分用于統計小說和小說之間的相似性。在線部分用于確定所要推薦的小說。

在離線部分中，通過所收集的用戶打點數據，統計小說與小說之間的相似性。例如，小說之間的相似性可以是基于閱讀歷史數據的。例如，可以通過如下公司計算相似性sim_i,j：

N(i)是指小說i的讀者列表集合，N(j)是指小說j的讀者列表集合。

上述公式可以進一步被改進。例如，相似性sim_i,j還可以被表示為：

其中，r_u,i表示讀者u對于小說i的喜愛程度。

在在線部分中，使用用戶的在線部分，使用用戶的閱讀歷史和在離線部分中計算的小說的相似性sim_i,j計算出推薦書籍s_u,j:

其中，W_u,i是用戶u對閱讀過的小說i的喜愛程度，例如，可以基于閱讀頻次確定。Sim_i,j是在離線部分中計算出的小說之間的相似性。可以基于s_u,j向用戶推薦小說。

這種方式的泛化能力較差。

第二種是基于話題的隱語義模型方式。基于矩陣理論，一個矩陣可以分解為兩個矩陣相乘。在小說推薦技術領域，原始矩陣是用戶和小說之間的關系R。R可以表示如下：

其中，P是用戶和小說類別之間的關系，Q是小說和小說類別之間的關系。

可以通過閱讀歷史獲得原始矩陣。在某些情況下，原始矩陣中的某些元素可能沒有值。這些沒有值的元素是在推薦過程中需要求解的值。可以通過隨機梯度下降法或奇異值分解(SVD)法對上述矩陣進行求解。可以基于所求解的值確定應該向各個用戶推薦哪本小說(例如，相應用戶對應的行中，值較高的小說)。

在這種方式中，由于原始矩陣存在大量未知的元素，即，用戶在很多小說上沒有行為(閱讀行為等)，因此，這種方式的準確性低。

因此，需要提供一種新的技術方案，針對上述現有技術中的至少一個技術問題進行改進。