[發(fā)明專利]一種行業(yè)新聞推薦方法及終端有效
| 申請?zhí)枺?/td> | 202010073519.8 | 申請日: | 2020-01-22 |
| 公開(公告)號: | CN111241410B | 公開(公告)日: | 2023-08-22 |
| 發(fā)明(設(shè)計)人: | 李偉;楊雙 | 申請(專利權(quán))人: | 深圳司南數(shù)據(jù)服務(wù)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(wù)所 44275 | 代理人: | 鄭耀敏 |
| 地址: | 518000 廣東省深圳市前海深港合作區(qū)前*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 行業(yè)新聞 推薦 方法 終端 | ||
本發(fā)明公開了一種行業(yè)新聞推薦方法及終端,抓取實時新聞資源,之后將實時新聞資源內(nèi)的實時新聞輸入到已訓(xùn)練好的二分類模型,以得到行業(yè)新聞推薦結(jié)果,其中,二分類模型包括AFM層和Deep層,AFM層包括因子分解機和attention機制,Deep層為前饋神經(jīng)網(wǎng)絡(luò);本發(fā)明采用AFM層和Deep層結(jié)合的深度學(xué)習(xí)方法,將各種行業(yè)領(lǐng)域的所有特征都作為二分類模型的輸入,無需手動打標(biāo)且不會遺漏關(guān)鍵信息;同時,特征之間也可以交叉組合,避免了領(lǐng)域特征的優(yōu)先級確定問題,從而為不同的用戶推薦不同的新聞資訊。
技術(shù)領(lǐng)域
本發(fā)明涉及金融行業(yè)技術(shù)領(lǐng)域,特別涉及一種行業(yè)新聞推薦方法及終端。
背景技術(shù)
在投研管理中,基本面的投資流程很長,需要處理的信息量極大,并且種類繁多,其中新聞就是需要處理的海量數(shù)據(jù)之一,隨著互聯(lián)網(wǎng)的發(fā)展,網(wǎng)絡(luò)上的新聞呈現(xiàn)爆炸式增長趨勢,面對海量的新聞,研究員需要花大量的時間從各個網(wǎng)站上篩選出有投資參考價值的新聞,這樣導(dǎo)致分析判斷具體事項的效率很低。
專利申請?zhí)枮镃N201811574596.0一種個性化新聞推薦方法及系統(tǒng)、存儲介質(zhì),該方案通過實時獲取新聞資源,并進行去重,對去重后的新聞按照內(nèi)容所屬領(lǐng)域的不同進行不同的歸類,其中,需要對新聞文本進行人工標(biāo)記,然后使用LSTM來進行分類學(xué)習(xí),以實現(xiàn)新聞的自動分類;之后再結(jié)合用戶感興趣的一些領(lǐng)域信息,逐步縮小范圍來進行推薦,然后使用textRank對要推薦給用戶的新聞抽取關(guān)鍵信息形成簡報,最后將多個摘要生成的新聞簡報推送給用戶。然而,上述技術(shù)方案存在以下問題:
(1)、現(xiàn)有的新聞種類比較繁多,靠人工標(biāo)注很難正確打標(biāo);
(2)、分類模型采用的是LSTM,輸入的內(nèi)容是新聞前2-4句話,很可能會漏掉一些關(guān)鍵的信息;
(3)、選取用戶感興趣的新聞時按照逐步縮小領(lǐng)域范圍的做法,很難確定領(lǐng)域特征的優(yōu)先級。
發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是:提供一種行業(yè)新聞推薦方法及終端,采用AFM層和Deep層結(jié)合的深度學(xué)習(xí)方法,無需手動打標(biāo),不會遺漏關(guān)鍵信息且避免了領(lǐng)域特征的優(yōu)先級確定問題。
為了解決上述技術(shù)問題,本發(fā)明采用的技術(shù)方案為:
一種行業(yè)新聞推薦方法,包括步驟:
抓取實時新聞資源;
將所述實時新聞資源內(nèi)的實時新聞輸入到已訓(xùn)練好的二分類模型,以得到行業(yè)新聞推薦結(jié)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(jīng)網(wǎng)絡(luò)。
為了解決上述技術(shù)問題,本發(fā)明采用的另一種技術(shù)方案為:
一種行業(yè)新聞推薦終端,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序,所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述的一種行業(yè)新聞推薦方法。
本發(fā)明的有益效果在于:一種行業(yè)新聞推薦方法及終端,采用AFM層和Deep層結(jié)合的深度學(xué)習(xí)方法,將各種行業(yè)領(lǐng)域的所有特征都作為二分類模型的輸入,無需手動打標(biāo)且不會遺漏關(guān)鍵信息;同時,特征之間也可以交叉組合,避免了領(lǐng)域特征的優(yōu)先級確定問題,從而為不同的用戶推薦不同的新聞資訊。
附圖說明
圖1為本發(fā)明實施例的一種行業(yè)新聞推薦方法的流程示意圖;
圖2為本發(fā)明實施例的一種行業(yè)新聞推薦方法的整體流程示意圖;
圖3為本發(fā)明實施例的一種行業(yè)新聞推薦終端的結(jié)構(gòu)示意圖。
標(biāo)號說明:
1、一種行業(yè)新聞推薦終端;2、處理器;3、存儲器。
具體實施方式
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳司南數(shù)據(jù)服務(wù)有限公司,未經(jīng)深圳司南數(shù)據(jù)服務(wù)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010073519.8/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





