[發(fā)明專(zhuān)利]一種網(wǎng)站文章自定義推薦方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011578123.5
• 申請(qǐng)日: 2020-12-28
• 公開(kāi)（公告）號(hào): CN112579908A
• 公開(kāi)（公告）日: 2021-03-30
• 發(fā)明（設(shè)計(jì)）人: 劉青;連恩楊;李朋;李文靜;沈洪月;張漢勇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 濟(jì)南大象信息技術(shù)有限公司
• 主分類(lèi)號(hào): G06F16/9535
• 分類(lèi)號(hào): G06F16/9535;G06F40/284;G06F16/22;G06F16/28
• 代理公司: 濟(jì)南格源知識(shí)產(chǎn)權(quán)代理有限公司 37306
• 代理人: 韓洪淼

本發(fā)明提供一種網(wǎng)站文章自定義推薦方法，包括：對(duì)文章的內(nèi)容進(jìn)行分詞并提取標(biāo)簽詞組；通過(guò)詞頻逆文檔頻率算法計(jì)算文章標(biāo)簽向量；通過(guò)計(jì)算余弦相似度進(jìn)行文章在線推薦；使用協(xié)同過(guò)濾算法計(jì)算文章興趣度，并進(jìn)行離線推薦。本發(fā)明實(shí)現(xiàn)了用戶瀏覽文章之后，通過(guò)閱讀日志的分析，為用戶推薦感興趣的文章。

技術(shù)領(lǐng)域

本發(fā)明屬于網(wǎng)站應(yīng)用技術(shù)領(lǐng)域，具體涉及一種網(wǎng)站文章自定義推薦方法。

背景技術(shù)

隨著人們對(duì)于碎片化時(shí)間的重視，市場(chǎng)上有關(guān)文章、博文、新聞的網(wǎng)站和手機(jī)應(yīng)用層出不窮。傳統(tǒng)的新聞?lì)惥W(wǎng)站，文章一般按照時(shí)間順序展示，每個(gè)用戶看到的是相同的文章列表，導(dǎo)致用戶體驗(yàn)度不高，為擺脫傳統(tǒng)的編輯推薦模式，通過(guò)個(gè)性化推薦算法，給用戶展示個(gè)性化文章成為主流，也能為開(kāi)發(fā)商帶來(lái)一定的收益。

現(xiàn)在很多文章閱讀網(wǎng)站已經(jīng)使用了個(gè)性化推薦，一般通過(guò)收集用戶的瀏覽日志，完成個(gè)性化推薦；但是由于網(wǎng)站的文章種類(lèi)繁多，標(biāo)題黨文章橫行，導(dǎo)致用戶點(diǎn)開(kāi)的文章可能不是因?yàn)樗信d趣，而是被標(biāo)題吸引。此外，進(jìn)行推薦的時(shí)候，由于系統(tǒng)掉線或者刷新會(huì)存在推薦滯后。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的上述不足，本發(fā)明提供一種網(wǎng)站文章自定義推薦方法，以解決上述技術(shù)問(wèn)題。

本發(fā)明提供一種網(wǎng)站文章自定義推薦方法，包括：

對(duì)文章的內(nèi)容進(jìn)行分詞并提取標(biāo)簽詞組；

通過(guò)詞頻逆文檔頻率算法計(jì)算文章標(biāo)簽向量；

通過(guò)計(jì)算余弦相似度進(jìn)行文章在線推薦；

使用協(xié)同過(guò)濾算法計(jì)算文章興趣度，并進(jìn)行離線推薦。

進(jìn)一步的，所述對(duì)文章的內(nèi)容進(jìn)行分詞并提取標(biāo)簽詞組，包括：

對(duì)文章的內(nèi)容進(jìn)行分詞；

將去除無(wú)用詞條后的剩余詞條作為文章的標(biāo)簽詞條。

進(jìn)一步的，所述通過(guò)詞頻逆文檔頻率算法計(jì)算文章標(biāo)簽向量，包括：

計(jì)算詞頻，公式為

計(jì)算逆向文件頻率，公式為

計(jì)算TFIDFw＝TFw*IDFw，得到關(guān)鍵詞條；

將標(biāo)簽詞條的詞條量設(shè)為標(biāo)簽向量維度；

將標(biāo)簽詞條之外的新的標(biāo)簽向量的值設(shè)為0；

輸出文章標(biāo)簽向量：vec_a＝[0.001,...0.002,..,0]，其中a代表文章a。

進(jìn)一步的，所述通過(guò)計(jì)算余弦相似度進(jìn)行文章在線推薦，包括：

通過(guò)文章標(biāo)簽向量計(jì)算余弦相似度，公式為其中a,b分別代表進(jìn)行計(jì)算的兩篇文章；

根據(jù)余弦相似度匹配當(dāng)前文章的相關(guān)文章，并過(guò)濾掉標(biāo)題相似的相關(guān)文章，得到在線推薦文章；

在線推薦文章按照所述相似度排序，在用戶點(diǎn)擊刷新或者重新打開(kāi)網(wǎng)站時(shí)優(yōu)先展示在線推薦文章。

進(jìn)一步的，所述使用協(xié)同過(guò)濾算法計(jì)算文章興趣度，并進(jìn)行離線推薦，包括：

利用余弦相似度計(jì)算用戶兩兩之間的用戶相似度；

公式為：μ，υ為兩個(gè)不同的用戶；

使用協(xié)同過(guò)濾算法將相近興趣的用戶分在一組；

為任一用戶共享推薦組內(nèi)成員看過(guò)的文章。

進(jìn)一步的，所述方法還包括：

篩選與當(dāng)前用戶的用戶相似度匹配較高的若干個(gè)用戶；