[發明專利]基于人工智能的資訊頭條推薦方法及裝置

在審

• 申請號: 202210310381.8
• 申請日: 2022-03-28
• 公開（公告）號: CN114637917A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 滕建德;王欣;王增峰
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 薛平;王維寧

1.一種基于人工智能的資訊頭條推薦方法，其特征在于，包括：

獲取用戶特征屬性；

根據特征屬性映射關系表，將用戶特征屬性映射成特征屬性對應的數值；

利用信息增益函數對映射成對應數值的特征屬性進行提取，得出按照信息增益值進行篩選后的用戶特征屬性；

將按照信息增益值進行篩選后的用戶特征屬性輸入預先建立的用戶類別識別模型，預測得到所述用戶的類別；所述用戶類別識別模型根據多個用戶類別的特征屬性樣本預先建立；

根據預測得到的所述用戶的類別及用戶點擊資訊頭條的歷史行為數據，確定所述用戶感興趣的資訊頭條類別；

將所述用戶感興趣的資訊頭條類別下最新的資訊頭條推薦給所述用戶。

2.如權利要求1所述的基于人工智能的資訊頭條推薦方法，其特征在于，還包括按照如下方法預先建立用戶類別識別模型：

獲取多個用戶類別的特征屬性樣本；

根據特征屬性映射關系表，將每一用戶對應的特征屬性映射成對應的數值；

利用信息增益函數對映射成對應數值的特征屬性進行提取，得出按照信息增益值進行篩選后的用戶特征屬性，形成篩選后的用戶特征屬性樣本；

將篩選后的用戶特征屬性樣本分為訓練集和測試集；

基于所述訓練集，利用決策樹分類算法訓練模型，得到訓練好的用戶類別識別模型；

利用所述測試集測試優化所述訓練好的用戶類別識別模型，得到最優的用戶類別識別模型。

3.如權利要求1所述的基于人工智能的資訊頭條推薦方法，其特征在于，利用信息增益函數對映射成對應數值的特征屬性進行提取，得出按照信息增益值進行篩選后的用戶特征屬性，包括：

利用信息增益函數對映射成對應數值的特征屬性進行提取，得出按照信息增益值從大到小排序的前N個用戶特征屬性作為篩選后的用戶特征屬性；N為大于1的正整數。

4.如權利要求1所述的基于人工智能的資訊頭條推薦方法，其特征在于，利用信息增益函數對映射成對應數值的特征屬性進行提取，得出按照信息增益值進行篩選后的用戶特征屬性，包括：

利用信息增益函數對映射成對應數值的特征屬性進行提取，得出信息增益值大于預設閾值的多個用戶特征屬性作為篩選后的用戶特征屬性。

5.如權利要求1所述的基于人工智能的資訊頭條推薦方法，其特征在于，根據預測得到的所述用戶的類別及用戶點擊資訊頭條的歷史行為數據，確定所述用戶感興趣的資訊頭條類別，包括：

根據用戶點擊資訊頭條的歷史行為數據，確定所述用戶對每一種感興趣的資訊頭條類別的喜愛程度；

按照用戶對每一種感興趣的資訊頭條類別的喜愛程度，對用戶感興趣的資訊頭條類別進行排序篩選，得到篩選后的用戶感興趣的資訊頭條類別；

將所述用戶感興趣的資訊頭條類別下最新的資訊頭條推薦給所述用戶，包括：將篩選后的用戶感興趣的資訊頭條類別下最新的資訊頭條推薦給所述用戶。

6.一種基于人工智能的資訊頭條推薦裝置，其特征在于，包括：

獲取單元，用于獲取用戶特征屬性；

數據映射單元，用于根據特征屬性映射關系表，將用戶特征屬性映射成特征屬性對應的數值；

特征屬性提取單元，用于利用信息增益函數對映射成對應數值的特征屬性進行提取，得出按照信息增益值進行篩選后的用戶特征屬性；

用戶類別預測單元，用于將按照信息增益值進行篩選后的用戶特征屬性輸入預先建立的用戶類別識別模型，預測得到所述用戶的類別；所述用戶類別識別模型根據多個用戶類別的特征屬性樣本預先建立；

資訊頭條類別確定單元，用于根據預測得到的所述用戶的類別及用戶點擊資訊頭條的歷史行為數據，確定所述用戶感興趣的資訊頭條類別；

推薦單元，用于將所述用戶感興趣的資訊頭條類別下最新的資訊頭條推薦給所述用戶。