[發明專利]一種基于海量新聞數據事件熱度的新聞推薦方法

有效

• 申請號: 202011243231.7
• 申請日: 2020-11-09
• 公開（公告）號: CN112199601B
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 李作康;高菁;張雷;王妍妍;袁林
• 申請（專利權）人: 中國電子科技集團公司第二十八研究所
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/953;G06F40/216;G06F40/289
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 于瀚文;胡建華

1.一種基于海量新聞數據事件熱度的新聞推薦方法，其特征在于，包括如下步驟：

步驟1，構建事件詞典；

步驟2，建立多詞語新聞篩選機制，篩選過濾新聞數據；

步驟3，建立事件模型，基于事件詞典對新聞進行篩選；

步驟1包括：根據關鍵詞和新聞源參數，通過具有針對性的Solr查詢語句，篩選過濾新聞數據，應用自然語言處理技術對新聞內容進行去停用詞的分詞處理，應用TF-IDF算法統計獲取新聞關鍵詞，TF為詞頻，即詞語新聞中出現的頻率，對其進行歸一化處理，針對第p篇新聞中的第q個詞語A，其詞頻TF_qp表示為：

其中n_qp為第q個詞語在第p篇新聞中的出現次數，w為單篇新聞中出現的詞語數；

針對第p篇新聞中的第q個詞語A，其逆向文件頻率IDF_qp表示為：

其中P為語料庫中的文件總數，即新聞總數，P_qp為包含該詞語A的新聞數量；

詞語A的TF-IDF權重值TF-IDF_qp表示為：

TF-IDF_qp＝TF_qp×IDF_qp

以詞語的TF-IDF權重值作為詞語分值，去重處理后，形成事件詞典；

步驟2包括：將非結構化新聞內容進行去停用詞的分詞處理，將分詞結果與事件詞典中詞語集合進行匹配，分詞后詞總數為Nw，統計去重后詞個數為n，詞頻為F，分詞結果與事件詞典匹配，從事件詞典中得到詞分值W，新聞分數S計算公式如下：

其中F_j為第j個詞語詞頻數，W_j為第j個詞語分值；

步驟3包括：用當天所有新聞的平均分S_avg來衡量每天事件熱度，計算公式如下：

其中m為當天新聞數量，S_k為第k篇新聞分數；

通用衰減模型為：e^-kΔT，則第i天的事件熱度R_i計算模型如下：

其中k為衰減系數，第一天事件熱度為第i+1天事件熱度；

根據計算出的事件熱度隨時間變化曲線，獲得熱度值R波峰的時間集合，將在時間集合內的并且經過事件詞典篩選的新聞進行推薦。