[发明专利]一种新闻推荐方法及装置

说明书

本发明公开了一种新闻推荐方法及装置，该方法包括：获取选定时刻用户对各类新闻的点击量和所有用户对各类新闻的点击总量，并计算得到用户在选定时刻的新闻兴趣模型，按照该选定时刻的新闻兴趣模型，加权平均得到预置时间段内的最终新闻兴趣模型，按照最终新闻兴趣模型聚类各用户，并根据最终新闻兴趣模型及新闻热度确定向聚类后的各类用户推荐的新闻候选集，将该新闻候选集中的新闻推荐给用户。本发明根据用户的新闻兴趣模型和新闻热度向用户推荐新闻，可提高新闻推荐的合理性和准确性。

技术领域

本发明属于计算机及网络技术领域，尤其涉及一种新闻推荐方法及装置。

背景技术

大型门户网站每天发布的各类文章非常之多，但是有的文章用户访问占比却不到10％，大量的文章无人浏览而得不到展示的机会。在这种情况下，对用户实施文章推荐是众多网站的首要选择。然而，大型网站的用户访问量是巨大的，每天的用户访问日志量多达亿级别。尤其是新闻类文章，每天待发布的热点新闻数量巨大，同时热点新闻对时效性要求比较高，这也对热点新闻的推荐系统提出了挑战。

现有技术中，推荐方法主要分为两种：第一种是基于内容的推荐，即，对物品(item)和用户(user)分别建模，然后计算用户和物品的模型相似度，把和用户的模型相似度最高的物品推荐给用户；第二种是基于协同过滤的推荐，即，根据用户的访问记录挖掘出相似度，而不再根据用户和物品本身的属性计算相似度，并且协同过滤推荐与业务无关。

但是在上述现有技术中，基于内容的推荐通常不考虑像新闻热点因素，即没有考虑新闻的生命周期，所以推荐效果并不理想；而基于协同过滤的推荐是基于访问记录进行的推荐，只有被访问过的热点新闻才能被推荐，对时效性要求非常高的热点新闻来说，达不到实时推送的效果。热点新闻生命周期极其短暂，很可能下一时刻就被下一条热点新闻取代而造成无人访问的结果，从而导致访问记录非常稀疏，给实施根据访问记录来计算相似度的方法造成一定程度的困难，并且计算的相似度准确性不高。

发明内容

本发明提供一种新闻推荐方法及装置，通过综合用户对新闻的真实兴趣和新闻的时效性向用户推荐新闻，以提高推荐新闻的准确率。

本发明第一方面提供一种新闻推荐方法，包括：

将新闻按照内容进行分类；获取选定时刻用户对各类新闻的点击量和所有用户对各类新闻的点击总量，并根据各类新闻的所述点击量和所述点击总量，计算得到所述用户在所述选定时刻的新闻兴趣模型；按照所述选定时刻的新闻兴趣模型，加权平均得到包含多个所述选定时刻的预置时间段内的最终新闻兴趣模型；按照所述最终新闻兴趣模型聚类各用户，并根据所述最终新闻兴趣模型及新闻热度确定向聚类后的各类用户推荐的新闻候选集；将所述新闻候选集中的新闻推荐给所述用户。

本发明第二方面提供一种新闻推荐装置，包括：

分类模块，用于将新闻按照内容进行分类；获取模块，用于获取选定时刻用户对各类新闻的点击量和所有用户对各类新闻的点击总量；计算模块，用于根据各类新闻的所述点击量和所述点击总量，计算得到所述用户在所述选定时刻的新闻兴趣模型；所述计算模块，还用于按照所述选定时刻的新闻兴趣模型，加权平均得到包含多个所述选定时刻的预置时间段内的最终新闻兴趣模型；聚类模块，用于按照所述最终新闻兴趣模型聚类各用户；确定模块，用于根据所述最终新闻兴趣模型及新闻热度确定向聚类后的各类用户推荐的新闻候选集；推荐模块，用于将所述新闻候选集中的新闻推荐给所述用户。

从上述本发明实施例可知，相较于现有技术，本发明一方面通过根据用户对不同类别的新闻点击量以及对应的总点击量建立新闻兴趣模型，平衡点击分布中新闻热度的影响，可提高新闻推荐的合理性和准确性，另一方面通过将新闻兴趣度相似的用户进行聚类，可加快推送速度且可保证实时性，并且通过计算当前一段较长时间内用户的最终新闻兴趣模型，可进一步提高推荐准确性和时效性。

附图说明