[發明專利]一種基于主題模型與用戶群組的新聞推薦方法及系統

有效

• 申請號: 201810040143.3
• 申請日: 2018-01-16
• 公開（公告）號: CN107944063B
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 曾琳鋮曦;蔣寧
• 申請（專利權）人: 馬上消費金融股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種基于主題模型與用戶群組的新聞推薦方法，其特征在于，包括：

獲取新聞數據；

利用預設主題模型，生成每個新聞數據各自對應的主題分布；

根據用戶行為日志與所述預設主題模型，生成每個用戶的興趣向量；

根據每個新聞數據各自對應的主題分布和每個用戶的興趣向量，利用隱含語義推薦方法生成每個用戶各自對應的第一推薦列表；

根據每個用戶的興趣向量，將每個用戶聚類到對應的用戶群組；

根據每個用戶對應的用戶群組，利用用戶群組推薦方法生成每個用戶各自對應的第二推薦列表；所述第二推薦列表為利用用戶群組推薦方法生成的與每個用戶的所屬的用戶群組的歷史興趣相近的新聞推薦列表；

根據每個用戶各自對應的第一推薦列表和第二推薦列表，生成最終推薦列表。

2.根據權利要求1所述的基于主題模型與用戶群組的新聞推薦方法，其特征在于，所述利用預設主題模型，生成每個新聞數據各自對應的主題分布，包括：

對所述新聞數據進行預處理，生成每個新聞數據各自對應的關鍵詞序列；

根據每個新聞數據各自對應的關鍵詞序列，利用LDA主題模型生成每個新聞數據各自對應的主題分布。

3.根據權利要求1所述的基于主題模型與用戶群組的新聞推薦方法，其特征在于，所述根據用戶行為日志與所述預設主題模型，生成每個用戶的興趣向量，包括：

將全部用戶的興趣向量的平均值確定為每個新增用戶的興趣向量；其中，新增用戶為所述用戶行為日志中未記錄歷史行為的新加入的用戶。

4.根據權利要求3所述的基于主題模型與用戶群組的新聞推薦方法，其特征在于，所述根據每個用戶的興趣向量，將每個用戶聚類到對應的用戶群組，包括：

根據每個新增用戶的興趣向量，將每個新增用戶分配到對應的用戶群組。

5.一種基于主題模型與用戶群組的新聞推薦系統，其特征在于，包括：

獲取模塊，用于獲取新聞數據；

主題分布生成模塊，用于利用預設主題模型，生成每個新聞數據各自對應的主題分布；

興趣向量生成模塊，用于根據用戶行為日志與所述預設主題模型，生成每個用戶的興趣向量；

第一推薦模塊，用于根據每個新聞數據各自對應的主題分布和每個用戶的興趣向量，利用隱含語義推薦方法生成每個用戶各自對應的第一推薦列表；

聚類模塊，用于根據每個用戶的興趣向量，將每個用戶聚類到對應的用戶群組；

第二推薦模塊，用于根據每個用戶對應的用戶群組，利用用戶群組推薦方法生成每個用戶各自對應的第二推薦列表；

第三推薦模塊，用于根據每個用戶各自對應的第一推薦列表和第二推薦列表，生成最終推薦列表。

6.根據權利要求5所述的基于主題模型與用戶群組的新聞推薦系統，其特征在于，所述主題分布生成模塊，包括：

預處理子模塊，用于對所述新聞數據進行預處理，生成每個新聞數據各自對應的關鍵詞序列；

主題分布生成子模塊，用于根據每個新聞數據各自對應的關鍵詞序列，利用LDA主題模型生成每個新聞數據各自對應的主題分布。

7.根據權利要求5所述的基于主題模型與用戶群組的新聞推薦系統，其特征在于，所述興趣向量生成模塊，包括：

確定子模塊，用于將全部用戶的興趣向量的平均值確定為每個新增用戶的興趣向量；其中，新增用戶為所述用戶行為日志中未記錄歷史行為的新加入的用戶。

8.根據權利要求7所述的基于主題模型與用戶群組的新聞推薦系統，其特征在于，所述聚類模塊，包括：

分配子模塊，用于根據每個新增用戶的興趣向量，將每個新增用戶分配到對應的用戶群組。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至4任一項所述的基于主題模型與用戶群組的新聞推薦方法的步驟。