[發明專利]新聞推薦方法、裝置、終端設備及存儲介質

有效

• 申請號: 202011224228.0
• 申請日: 2020-11-05
• 公開（公告）號: CN112328879B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 陳輝
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/284;G06F40/295;G06F40/30;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 冷仔

1.一種新聞推薦方法，其特征在于，包括：

獲取用戶的歷史新聞點擊信息和候選新聞，所述歷史新聞點擊信息包括不同點擊新聞和對應的新聞點擊序列；

將所述點擊新聞和所述候選新聞分別輸入語義提取網絡；

根據所述語義提取網絡對所述點擊新聞和所述候選新聞進行特征提取，得到點擊隱語義特征和候選隱語義特征；

將所述候選新聞加入所述新聞點擊序列，生成目標點擊序列；

將所述點擊隱語義特征、所述候選隱語義特征和所述目標點擊序列輸入Transformer層；

根據所述Transformer層和所述目標點擊序列中語義表征的排序對應提取所述點擊隱語義特征或所述候選隱語義特征的特征信息，得到序列向量特征；

將所述序列向量特征輸入多層神經網絡，并根據所述多層神經網絡中的激活層對所述序列向量進行激活運算；

采用以下公式，根據所述多層神經網絡中的概率層對激活運算后的所述序列向量進行概率計算，得到點擊概率：

y＝σ(W_sh_m+b_s)

σ是sigmoid函數，y是所述點擊概率，W_s∈R^1×a，h_m∈R^a，b_s是預設誤差，a是所述多層神經網絡的隱層數量，h_m是經過所述多層神經網絡激活計算后的所述序列向量，W_s是所述概率層的網絡參數；

若所述點擊概率大于概率閾值，則將所述候選新聞對用戶進行推薦。

2.根據權利要求1所述的新聞推薦方法，其特征在于，所述根據所述語義提取網絡對所述點擊新聞和所述候選新聞進行特征提取，包括：

根據所述語義提取網絡中的嵌入層分別對所述點擊新聞和所述候選新聞中的標題和實體詞進行特征提取，得到點擊特征和候選特征；

根據所述語義提取網絡中的Transformer層提取所述點擊特征和所述候選特征的特征信息，得到點擊向量特征和候選向量特征；

根據所述語義提取網絡中的池化層對所述點擊向量特征和所述候選向量特征進行池化處理，得到所述點擊隱語義特征和所述候選隱語義特征。

3.根據權利要求2所述的新聞推薦方法，其特征在于，所述根據所述語義提取網絡中的嵌入層分別對所述點擊新聞和所述候選新聞中的標題和實體詞進行特征提取，得到點擊特征和候選特征，包括：

分別對所述點擊新聞和所述候選新聞中的標題和實體詞進行分詞，得到點擊標題分詞、點擊實體分詞、候選標題分詞和候選實體分詞；

根據所述語義提取網絡中的嵌入層對所述點擊標題分詞和所述點擊實體分詞進行特征提取，得到點擊標題向量和點擊實體向量；

對所述點擊標題向量和所述點擊實體向量進行向量組合，得到所述點擊特征；

根據所述語義提取網絡中的嵌入層對所述候選標題分詞和所述候選實體分詞進行特征提取，得到候選標題向量和候選實體向量；

對所述候選標題向量和所述候選實體向量進行向量組合，得到所述候選特征。

4.一種新聞推薦裝置，其特征在于，用于實現如權利要求1-3任一項所述的新聞推薦方法，所述新聞推薦裝置包括：

新聞獲取單元，用于獲取用戶的歷史新聞點擊信息和候選新聞，所述歷史新聞點擊信息包括不同點擊新聞和對應的新聞點擊序列；

隱語義特征提取單元，用于分別提取所述點擊新聞和所述候選新聞的隱語義特征，得到點擊隱語義特征和候選隱語義特征；

向量特征提取單元，用于將所述候選新聞加入所述新聞點擊序列，生成目標點擊序列，并根據所述點擊隱語義特征和所述候選隱語義特征提取所述目標點擊序列的序列向量特征；

點擊預測單元，用于根據所述序列向量特征對所述目標點擊序列中的所述候選新聞進行點擊預測，得到點擊概率，若所述點擊概率大于概率閾值，則將所述候選新聞對用戶進行推薦。

5.一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至3任一項所述方法的步驟。

6.一種存儲介質，所述存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至3任一項所述方法的步驟。