[發明專利]一種行業新聞推薦方法及終端

有效

• 申請號: 202010073519.8
• 申請日: 2020-01-22
• 公開（公告）號: CN111241410B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 李偉;楊雙
• 申請（專利權）人: 深圳司南數據服務有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/335;G06F16/35;G06F16/34
• 代理公司: 深圳市博銳專利事務所 44275
• 代理人: 鄭耀敏

1.一種行業新聞推薦方法，其特征在于，包括步驟：

抓取實時新聞資源；

將所述實時新聞資源內的實時新聞輸入到已訓練好的二分類模型，以得到行業新聞推薦結果，所述二分類模型包括AFM層和Deep層，所述AFM層包括因子分解機和attention機制，所述Deep層為前饋神經網絡；

得到所述行業新聞推薦結果之后還包括：

對所述行業新聞推薦結果中待推薦實時新聞進行摘要自動生成，得到每一條所述待推薦實時新聞的新聞摘要；

從所述行業新聞推薦結果中選擇與預設新聞篇數一致數量的待推薦實時新聞進行前端展示，所述前端展示分別展示每一條所述待推薦實時新聞所對應的新聞網站、實時新聞標題、新聞摘要和實時新聞鏈接地址；

將所述待推薦實時新聞在前端展示的信息導出成txt格式、pdf格式或word格式的新聞簡報；

所述對所述行業新聞推薦結果中待推薦實時新聞進行摘要自動生成，得到每一條所述待推薦實時新聞的新聞摘要具體為：

對所述行業新聞推薦結果中每一條待推薦實時新聞按照預設標點符號分割成句子，得到句子矩陣T＝[S₁,S₂,...,S_m]，所述S_m表示第m個句子；

對分割的每個句子進行停用詞去除和非漢字字符去除，并進行分詞，得到每一個句子的分詞集合；

使用word2vec將所述分詞集合中的所有詞進行轉化，得到每一個句子中所有詞的詞向量Si＝[t_i,1,t_i,2,...,t_i,n]，所述t_i,j為第i個句子的第j個詞，對每一個句子中所有詞的詞向量求平均值，得到每一個句子的向量表示；

計算每一條所述待推薦實時新聞的句子之間的余弦相似度，構成相似度矩陣W，所述相似度矩陣W里面包括元素值w_jk，所述元素值w_jk表示第j個句子和第k個句子之間的相似度；

以句子為節點，采用共現關系構造任意兩個節點之間的邊，以相似性得分為轉移概率，構建圖結構G＝(V,E)，所述V為節點集合，所述E為邊集合；

使用第一公式迭代計算每一個句子的節點得分，直到收斂，所述第一公式為：

所述WS(V_i)表示第i個句子的節點得分，所述d是阻尼系數，所述In(V_i)和所述Out(V_j)分別表示指向V_i的點的集合和V_j指向的點的集合；

對每一條所述待推薦實時新聞的所有句子按照所述節點得分進行降序排序，得到句子推薦列表，取出每一條所述待推薦實時新聞的所述句子推薦列表中前L個句子作為其新聞摘要。

2.根據權利要求1所述的一種行業新聞推薦方法，其特征在于，所述抓取實時新聞資源具體步驟為：

從預設行業網站上，按照預設時間間隔定時抓取每一條實時新聞的實時新聞數據，所述實時新聞數據包括實時新聞標題、實時新聞內容和實時新聞鏈接地址，定義一個新聞ID作為所述實時新聞數據的唯一標識，以將所述實時新聞數據存儲在新聞數據庫。

3.根據權利要求2所述的一種行業新聞推薦方法，其特征在于，所述抓取實時新聞資源與所述將所述實時新聞資源內的實時新聞輸入到已訓練好的二分類模型之間還包括步驟：

獲取所述新聞數據庫中每一條實時新聞的實時新聞數據；

獲取所述實時新聞數據的實時新聞內容和實時新聞標題，對所述實時新聞內容和所述實時新聞標題進行噪音去除和特殊字符去除，之后進行分詞，并去除停用詞，以得到包括所述實時新聞內容和所述實時新聞標題的分詞集合的文本特征，所述特殊字符包括標點、換行和空白字符；

獲取所述實時新聞數據中所述實時新聞鏈接地址所對應的新聞網站，以得到所述新聞網站所對應的離散特征，所述離散特征包括行業、用戶和熱點；

得到每一條實時新聞的數據特征，所述數據特征包括文本特征和離散特征。