[發明專利]一種文獻推送方法及裝置

在審

• 申請號: 201811243326.1
• 申請日: 2018-10-24
• 公開（公告）號: CN109492156A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 王健
• 申請（專利權）人: 宿州元化信息科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 六安市新圖匠心專利代理事務所(普通合伙) 34139
• 代理人: 陳斌

本發明公開了一種文獻推送方法及裝置，所述方法包括：獲取用戶的個人信息，利用所述個人信息和詞頻?逆文檔頻率TF?IDF向量構建用戶特征向量，其中，所述個人信息至少包括：姓名、單位和已發表的文章；計算文獻數據庫中新文章和所述用戶特征向量的余弦相似度，獲得余弦相似度大小排序在前的預設數量篇文章；將獲得的預設數量篇文章推送給所述用戶。本發明相比現有技術具有以下優點：能夠根據用戶的自身信息個性化推送用戶感興趣的文獻，用戶針對性較強，精準度較高，且能夠通過調整用戶的特征向量優化文獻推送，進一步增加推送的精準度。

技術領域

本發明涉及信息推送技術領域，尤其涉及的是一種文獻推送方法及裝置。

背景技術

在科研人員進行學術研究的工作過程中，經常需要登錄期刊網站查詢閱讀相關文獻。各種期刊網站收錄了海量的文獻信息，使用關鍵詞搜索自己感興趣的或工作需要的文章比較麻煩，一般的期刊網站會根據用戶的操作行為如搜索歷史或點擊閱讀記錄，推薦相似文獻顯示在頁面上，但對想要追蹤關于自身研究領域的最新科研成果的用戶來說，該文獻推薦方式的用戶針對性不強，推薦精準度也不高。

發明內容

本發明的目的在于克服現有技術的不足，提供了一種文獻推送方法及裝置。

本發明是通過以下技術方案實現的：

一種文獻推送方法，所述方法包括：

獲取用戶的個人信息，利用所述個人信息和詞頻-逆文檔頻率TF-IDF向量構建用戶特征向量，其中，所述個人信息至少包括：姓名、單位和已發表的文章；

計算文獻數據庫中新文章和所述用戶特征向量的余弦相似度，獲得余弦相似度大小排序在前的預設數量篇文章；

將獲得的預設數量篇文章推送給所述用戶。

可選的，所述利用所述個人信息和詞頻-逆文檔頻率TF-IDF向量構建用戶特征向量，包括：

爬取期刊網站收集歷年文獻信息，將文獻信息中的摘要信息進行文本清洗后儲存到干凈語料庫，其中，所述干凈語料庫包含：以每篇文獻的整段摘要為單位的信息；

利用所述干凈語料庫訓練詞頻-逆文檔頻率TF-IDF向量模型，將所述用戶已發表的a篇文章的摘要信息帶入訓練好的TF-IDF向量模型，得到每篇文章摘要的TF-IDF向量，計算得到的a個文章摘要的TF-IDF向量的平均值，作為所述用戶的摘要向量；

將所述用戶已發表的a篇文章的標題信息帶入訓練好的TF-IDF向量模型，得到每篇文章標題的TF-IDF向量，計算得到的a個文章標題的TF-IDF向量的平均值，作為所述用戶的標題向量；

根據以下公式，計算用戶特征向量：

其中，所述w為可調節參數，為歸一化函數。

可選的，所述計算文獻數據庫中新文章和所述用戶特征向量的余弦相似度，包括：

爬取期刊網站文獻數據庫中的若干篇最新文章，將所述新文章的摘要信息代入訓練好的TF-IDF向量模型，計算每篇文章摘要中每個單詞的詞頻和逆文檔頻率，得到每篇新文章的TF-IDF向量；

計算所述用戶特征向量和新文章的TF-IDF向量之間的余弦相似度；

所述獲得余弦相似度大小排序在前的預設數量篇文章，包括：

按照新文章對應的余弦相似度大小排序，得到余弦相似度大小排序最前的10或20篇新文章。

可選的，所述將獲得的預設數量篇文章推送給所述用戶，包括：