[发明专利]一种有声网页新闻的个性化推送方法

说明书

技术领域

本发明涉及新闻推荐系统领域，特别是涉及一种有声网页新闻的个性化推送方法。

背景技术

新闻已经走进人们的日常生活，读新闻、听新闻、看新闻，成了很多人的嗜好，已经成为人们获取外部信息的重要手段。随着信息传播技术的迅猛发展，特别是(移动)互联网的普及，除了传统的广播、电视，人们可以快速方便地通过(移动)互联网获取内容丰富、种类多样、时效性更强的新闻。

个性化推荐系统是近年来互联网上发展起来的一种新兴软件系统，它能够收集用户特征资料并根据用户特征，如兴趣偏好，为用户主动做出个性化的推荐。而且，系统给出的推荐是实时更新的，即当系统中的商品库或用户特征库发生改变时，给出的推荐序列会自动改变。个性化推荐系统具有良好的发展和应用前景，并已经成功运用到多种网站中，如网上书店、博客系统等，推荐的对象包括书籍、音像、网页、文章等等。

目前，(移动)互联网出现了一些类似新闻推荐系统的应用。如“新闻手机报”，移动通信运营商周期性地给用户发送新闻，但类似应用往往缺少个性化因素，无法支持定制功能，无法给用户发送其偏好的新闻。此外，随着移动互联网技术的进步，出现了一些“听网”的应用，部分已申请专利，如“一种听网的方法”。它支持以智能手机等为终端，帮助用户随时随地地收听互联网上的所有信息。这种通过“视”、“听”结合获取信息的方式，打破了原有的只能浏览网页的单一形式，为智能手机用户带来了更多的感官享受。不过，“听网”技术只是单向地将网络信息发送给用户，没有很好考虑用户兴趣爱好的多样性，由于互联网信息的海量性，通常无法很好满足用户的需求。

因此，提供有声网页新闻的个性化推送就显得很有必要。该方法给用户播放来自互联网的新闻，并提供一些简单的交互命令帮助用户跳过不相关的内容。此外，通过分析用户的收听历史记录，获得用户对各类新闻的喜好信息，基于此，通过调节新闻类别及新闻内容的播放顺序，将符合用户兴趣爱好的新闻播放给用户。这种有声网页新闻的个性化推送方法可以应用到各类系统中，如可以集成到互联网浏览器中，帮助上网不便的视障、盲人、老年人群来收听个性化定制的新闻；也可集成到支持移动互联网(如具备GPRS、EDGE或3G功能)的各类移动终端上，帮助各类人群在任何时间、任何地点收听喜好的新闻；也可集成到汽车电子中，提升传统收音机的功能，使司机能够更方便地听新闻。

目前，提供新闻的网站多种多样，新闻的内容也种类繁多，因此有必要整合多个新闻网站的内容来保证新闻的丰富度。由于大多数新闻网页除包含新闻的正文外，通常包含了大量的与新闻主题无关的广告、导航栏等。因此，要有效地播放新闻必须首先从新闻网页中提取正文。此外，用户对新闻的兴趣爱好有很多特点。如用户通常对多个主题的新闻感兴趣。由于各种新的新闻主题的不断出现，用户的兴趣爱好也经常会发生变化。如在欧洲杯期间，用户可能对欧洲杯相关主题的新闻特别感兴趣，随着欧洲杯的结束，用户对该主题的兴趣也逐渐消失。此外，用户通常有一些比较稳定的兴趣，如许多用户喜欢足球类新闻，读取相关的新闻是他们每日不可缺少的内容。因此，需要综合考虑上述需求及用户对新闻喜好的特点，设计一种个性化的有声新闻推送方法。

发明内容

本发明的目的在于提供一种有声网页新闻的个性化推送方法，根据用户对新闻的喜好特点，将符合用户喜好的互联网新闻播放给用户。

本发明解决其技术问题采用的技术方案如下：

一种有声网页新闻的个性化推送方法，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。

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。

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；