[發(fā)明專利]一種用于解決數(shù)據(jù)稀疏的新聞推薦方法

有效

• 申請?zhí)枺?/td>: 201810624042.0
• 申請日: 2018-06-15
• 公開（公告）號: CN108876457B
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計）人: 張曉瑜
• 申請（專利權(quán)）人: 贛州柏朗科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/9535
• 代理公司: 南昌金軒知識產(chǎn)權(quán)代理有限公司 36129
• 代理人: 石紅麗

本發(fā)明請求保護一種用于解決數(shù)據(jù)稀疏的新聞推薦方法，其包括以下步驟：接收播報新聞的語音請求，對所述語音請求的用戶歷史行為數(shù)據(jù)進行篩選，得到新聞收聽用戶—新聞播報評分矩陣，基于篩選結(jié)果從預(yù)設(shè)用戶屬性項集合中確定出與所述語音請求關(guān)聯(lián)的目標屬性項；并為每個新聞收聽用戶和每個新聞播報端構(gòu)建歷史評分記錄集合，同時構(gòu)建用戶集合，按照用戶的評分新聞播報端數(shù)從大到小對用戶集合中的用戶排序；構(gòu)造最終的相似用戶集，利用目標用戶的相似用戶集對新聞收聽用戶—新聞播報評分矩陣進行填充；對評分矩陣中剩下的未填充數(shù)據(jù)，利用相似新聞播報端來對再次填充，進行新聞播報端初步推薦；篩選出目標新聞進行推薦。本發(fā)明可以提高新聞推薦準確性。

技術(shù)領(lǐng)域

本發(fā)明屬于推薦技術(shù)領(lǐng)域，具體屬于一種用于解決數(shù)據(jù)稀疏的新聞推薦方法。

背景技術(shù)

隨著計算機技術(shù)的發(fā)展和網(wǎng)絡(luò)數(shù)據(jù)的不斷積累，人工智能技術(shù)飛速發(fā)展。用于為用戶提供新聞服務(wù)的新聞推薦方法，是利用電子設(shè)備主動向用戶推薦新聞的方法，是一種可以簡化用戶獲取新聞的操作、提升用戶獲取新聞的效率的信息處理方式。不同的用戶對新聞資訊的訴求、偏好具有差異。在傳統(tǒng)的新聞推薦方法中篩選為用戶推薦的新聞時，通常會考慮新聞的時效性和新聞內(nèi)容的質(zhì)量，對不同的用戶輸出相同的推薦結(jié)果，因此導(dǎo)致不同的人群對推薦結(jié)果不滿意，最常見的是協(xié)同過濾算法。在新聞推薦領(lǐng)域，由于網(wǎng)站上的新聞數(shù)量巨大，但只有很少的用戶愿意給去過的新聞播放端評分，所以造成了新聞收聽用戶—新聞播報評分矩陣的極大稀疏，導(dǎo)致基于協(xié)同過濾算法得到的商家推薦列表不夠準確。

發(fā)明內(nèi)容

本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問題。提出了一種提高矩陣稀疏度的用于解決數(shù)據(jù)稀疏的新聞推薦方法。

本發(fā)明的技術(shù)方案如下：

一種用于解決數(shù)據(jù)稀疏的新聞推薦方法，其包括以下步驟：

接收播報新聞的語音請求，對所述語音請求的用戶歷史行為數(shù)據(jù)進行篩選，獲取與新聞播報端及新聞收聽用戶相關(guān)的信息，得到新聞收聽用戶—新聞播報評分矩陣，基于篩選結(jié)果從預(yù)設(shè)用戶屬性項集合中確定出與所述語音請求關(guān)聯(lián)的目標屬性項；并利用建立的新聞收聽用戶—新聞播報評分矩陣，為每個新聞收聽用戶和每個新聞播報端構(gòu)建歷史評分記錄集合，同時構(gòu)建用戶集合，按照用戶的評分新聞播報端數(shù)從大到小對用戶集合中的用戶排序；按用戶在用戶集合中的順序，選取一個評分最高的用戶作為目標用戶；根據(jù)新聞收聽用戶—新聞播報評分矩陣，計算其余用戶與目標用戶的相似度；選取與目標用戶相似度大于第一設(shè)定值的用戶構(gòu)建目標用戶的優(yōu)先用戶集；計算目標用戶與各優(yōu)先用戶的歷史共同評分差均值，若兩個用戶歷史本身沒有共同新聞播報端，則不做計算；選取共同評分差均值小于第二設(shè)定值的用戶構(gòu)造最終的相似用戶集，利用目標用戶的相似用戶集對新聞收聽用戶—新聞播報評分矩陣進行填充；對評分矩陣中剩下的未填充數(shù)據(jù)，同樣采用相似度閾值法和共同評分差均值來選取最相似新聞播報端，并利用相似新聞播報端來對新聞收聽用戶—新聞播報評分矩陣進行再次填充，進行新聞播報端初步推薦；并獲取所述目標用戶屬性項對應(yīng)的用戶屬性信息；基于用戶屬性信息在待推薦新聞播報端中篩選出目標新聞進行推薦，若和初步推薦結(jié)果一樣則按此推薦，若不一樣則選取用戶的評分新聞播報端數(shù)第二高評分數(shù)作為目標用戶，重復(fù)以上步驟進行填充，得到推薦新聞播報端，播報該新聞播報端。

進一步的，所述構(gòu)建目標用戶的優(yōu)先用戶集過程如下：

按用戶在用戶集合中的順序，選取一個評分最高的用戶作為目標用戶；利用新聞收聽用戶—新聞播報評分矩陣，通過Pearson皮爾遜相關(guān)系數(shù)公式來計算其余用戶與目標用戶的相似度；

其中，sim_u,v表示用戶u和用戶v的相似度，I_u,v為用戶u和用戶v的共同評分商家集合，R_ui、R_vi分別為用戶u、用戶v對商家i的評分，R_u、R_v分別為用戶u、用戶v的平均評分；選取與目標用戶相似度大于α的用戶構(gòu)建目標用戶的優(yōu)選鄰居用戶集p_N(u)。