[发明专利]一种有声网页新闻的个性化推送方法

权利要求书

1.一种有声网页新闻的个性化推送方法，其特征在于该方法的步骤如下：

1)以多个新闻网站为数据源，抓取新闻网页，并从新闻网页中提取新闻的正文；

2)通过语音合成技术将新闻播放给用户，用户通过命令选择要听的新闻类别，跳过正在播放的新闻；

3)记录并分析用户收听新闻的历史信息，获取用户对各种新闻的偏好程度，基于此，对新闻类别及新闻内容的播放顺序重排后推送给用户。

2.根据权利要求1所述的一种有声网页新闻的个性化推送方法，其特征在于：上述步骤1)以多个新闻网站的网址作为种子，采用成熟的网络爬虫技术抓取新闻，将抓取的新闻按类别分类组织。

3.根据权利要求1所述的一种有声网页新闻的个性化推送方法，其特征在于：所述步骤1)抓取新闻网页后，提取网页的标题和正文，其步骤如下：

3.1)从数据源新闻网站下载网页作为训练集，对训练样本建立DOM树模型，利用树编辑距离计算相似度，采用层次聚类算法对训练集进行聚类，将具有相似网页布局的网页聚成一类；

3.2)对每个聚类结果中所有网页的DOM树叶子节点进行组合操作，归并不同的叶子节点，确定必须存在的子树、可选子树，生成一棵代表该类网页的抽象DOM树；

3.3)将待抽取正文的新闻网页DOM树和各个网页聚类抽象DOM树模型做匹配，找到其所属的聚类；

3.4)利用新闻网页的特点从抽象DOM树模型中标注出新闻正文和新闻标题，其中新闻正文是所有节点中长度最长的，且词数不少于100字节部分，新闻标题为长度在1到20字节之间，且和正文之间距离最短的部分。

4.根据权利要求1所述的一种有声网页新闻的个性化推送方法，其特征在于：所述步骤2)通过语言合成技术按类别将新闻推送给用户，每类新闻在推送给用户前先播放类别信息，用户通过上/下一类别命令跳到相应类别收听相关类别的新闻，每个类别的新闻以标题、正文的顺序逐条播放给用户，用户通过上/下一新闻命令跳过正在播放的新闻。

5.根据权利要求1所述的一种有声网页新闻的个性化推送方法，其特征在于：所述步骤3)记录每个类别的新闻总数、用户听过的新闻个数以及用户收听新闻的时间长度的期望值，计算用户对每个类别新闻的喜好程度，如下：

Aj=Ej×LjTj,]]>

其中：

A_j：表示用户对新闻类别j的喜好程度，

T_j：表示新闻类别j的新闻总数，

L_j：表示新闻类别j用户听过的新闻个数，

E_j：表示新闻类别j用户听过的新闻时间长度的期望值，

以各新闻类别A_j的大小确定新闻类别的播放顺序。

6.根据权利要求1所述的一种有声网页新闻的个性化推送方法，其特征在于：所述步骤3)记录用户听过的新闻，将这些新闻转化为TF-IDF向量，作为用户喜好新闻的训练库；此外，记录用户收听新闻的时间长度占该篇新闻播放时间长度的百分比P，赋予每篇新闻一个分数Score，代表用户对该新闻的喜好程度，Score的计算如下：

Score＝P^α，

其中：

α：一个大于0小于1的系数，表示用户听该新闻的时间越长，越喜欢该新闻，但喜欢的强度增加的幅度逐渐变慢；

对于将发送给用户的每篇新闻，利用最近邻方法获得该新闻的邻居，即采用相似度计算方法计算其与用户训练库中新闻的相似度值，若存在相似度值大于t_max，则该新闻被赋予一个小分数；否则，取相似度在阈值t_min和t_max之间的新闻作为该新闻的邻居，以该新闻与它的邻居的相似度作为权值，利用这些邻居的分数Score的加权求和作为该新闻的分数；若不存在邻居，该新闻被赋予一个随机的小于均值的分数；对这些将发送给用户的新闻以其获得分数高低排序后，推送并播放给用户。