[发明专利]一种实时个性化新闻推荐方法及系统

说明书

技术领域

本发明涉及计算机应用技术领域，具体为一种实时个性化新闻推荐方法及系统。

背景技术

随着互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代。新闻是信息的重要载体之一，当前网络上的新闻信息呈现爆炸式增长趋势，面对海量的新闻内容，用户需要花费大量的时间才能找到自己感兴趣的新闻内容。在这种背景下，个性化新闻推荐技术应运而生。个性化新闻推荐是根据用户的兴趣特点和行为，向用户推荐其感兴趣的新闻内容。个性化新闻推荐技术是个性化推荐在新闻处理领域的一个延伸应用，它通过推荐系统将新闻自动推荐个对其感兴趣的用户，实现新闻网站和网站用户的双赢。

传统的新闻推荐的模式中，一般是通过获取用户的基本资料，再根据用户的爱好、习惯和其他特定的特征来确定用户的新闻适用人群，从而较为精准地推荐新闻给用户。例如，最近发展起来的个性化服务新闻网站( 如百度新闻、网易新闻等)允许用户根据自己感兴趣的新闻主题、关键词、地区等信息订制个性化新闻，但这种需要用户经常手动参与采集用户兴趣信息的方式，增加了用户的负担。近些年来，个性化新闻推荐系统越来越受到人们的关注。

现有的个性化新闻推荐方法主要有三种：

第一种基于用户的协同过滤推荐，可以在数据集完善且内容丰富的情况下准确率较高。但是该方法需要维护庞大的用户相似度矩阵，计算时间会逐渐变长，系统效率逐步降低。同时存在冷启动的问题。

第二种基于物品的协同过滤，该方法给用户推荐之前看过的相似内容，也存在冷启动的问题。同时，由于新闻更新非常快，计算新闻相似度的计算开销会更大。

第三种基于内容的新闻推荐，结合用户的行为数据对用户进行建模，并通过新闻匹配计算新闻与目标间的相似度，将相似度最高的新闻推荐给目标用户。它会产生推荐内容新颖性上的缺陷。

发明内容

本发明的目的在于提供一种实时个性化新闻推荐方法，使得用户都能收到感兴趣的新闻推荐内容，提高用户对于软件的满意度。

为实现上述目的，本发明提供如下技术方案：

一种实时个性化新闻推荐方法，所述方法包括步骤:

S1、实时获取最新的新闻内容；

S2、对于实时新闻内容进行增量计算及分类；

S3、客户端采集用户的行为日志，并上报至后台服务端进行分析，后台服务端同时根据用户画像及用户的最近行为计算用户的实时内容偏好；

S4、后台服务端分析后，根据用户的实时内容偏好找出匹配且分类好的实时新闻内容，并推送生成的内容给客户端；

S5、客户端展示推荐的新闻内容。

具体的，上述实时个性化新闻推荐方法中，步骤S2具体为：

对于实时新闻进行增量计算分类，打上标签，同时根据点击量提取热门新闻。

具体的，上述实时个性化新闻推荐方法中，步骤S2具体为：

所述用户的行为日志具体包括：

阅读日志、评论日志、不感兴趣日志及操作日志。

具体的，上述实时个性化新闻推荐方法中，步骤S3中所述根据用户的实时内容偏好找出匹配且分类好的实时新闻内容具体为：

根据用户的实时内容偏好找出最近的带有相应标签的新闻。

基于同一构思，本发明还提供一种实时个性化新闻推荐方法，包括新闻客户端、后台服务端及用于采集用户的行为日志的用户行为日志采集模块，所述后台服务端包括：

新闻抓取模块，用于实时获取最新的新闻内容数据；

新闻分类模块，与新闻抓取模块连接，用于对新闻抓取模块抓取的实时新闻数据进行增量计算分类，打上标签，并根据点击量提取热门新闻数据；

收集模块，对新闻分类模块的新闻数据、以及用户行为日志采集模块的采集数据进行数据整理预处理后转发给分析模块；

分析模块，分别与新闻分类模块和收集模块连接，根据用户画像及用户的最近行为计算用户的实时内容偏好；

推送模块，与分析模块连接，接收来自分析模块的分析后的数据，并推送生成的内容给新闻客户端，

所述新闻客户端包括：

新闻接收模块，与推送模块连接，用于接收推送模块推送生成的内容；

新闻展示模块，与新闻接收模块连接，用于展示推荐的新闻内容。

与现有技术相比，本发明的有益效果如下：

本发明提供的技术方案采集与分析新闻数据，依据客户端采集用户的行为日志分析用户的喜好，依据用户的喜好对该新闻进行控制，使得用户都能收到感兴趣的新闻推荐内容，提高用户对于软件的满意度。