[发明专利]一种用于解决数据稀疏的新闻推荐方法

说明书

本发明请求保护一种用于解决数据稀疏的新闻推荐方法，其包括以下步骤：接收播报新闻的语音请求，对所述语音请求的用户历史行为数据进行筛选，得到新闻收听用户—新闻播报评分矩阵，基于筛选结果从预设用户属性项集合中确定出与所述语音请求关联的目标属性项；并为每个新闻收听用户和每个新闻播报端构建历史评分记录集合，同时构建用户集合，按照用户的评分新闻播报端数从大到小对用户集合中的用户排序；构造最终的相似用户集，利用目标用户的相似用户集对新闻收听用户—新闻播报评分矩阵进行填充；对评分矩阵中剩下的未填充数据，利用相似新闻播报端来对再次填充，进行新闻播报端初步推荐；筛选出目标新闻进行推荐。本发明可以提高新闻推荐准确性。

技术领域

本发明属于推荐技术领域，具体属于一种用于解决数据稀疏的新闻推荐方法。

背景技术

随着计算机技术的发展和网络数据的不断积累，人工智能技术飞速发展。用于为用户提供新闻服务的新闻推荐方法，是利用电子设备主动向用户推荐新闻的方法，是一种可以简化用户获取新闻的操作、提升用户获取新闻的效率的信息处理方式。不同的用户对新闻资讯的诉求、偏好具有差异。在传统的新闻推荐方法中筛选为用户推荐的新闻时，通常会考虑新闻的时效性和新闻内容的质量，对不同的用户输出相同的推荐结果，因此导致不同的人群对推荐结果不满意，最常见的是协同过滤算法。在新闻推荐领域，由于网站上的新闻数量巨大，但只有很少的用户愿意给去过的新闻播放端评分，所以造成了新闻收听用户—新闻播报评分矩阵的极大稀疏，导致基于协同过滤算法得到的商家推荐列表不够准确。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种提高矩阵稀疏度的用于解决数据稀疏的新闻推荐方法。

本发明的技术方案如下：

一种用于解决数据稀疏的新闻推荐方法，其包括以下步骤：

接收播报新闻的语音请求，对所述语音请求的用户历史行为数据进行筛选，获取与新闻播报端及新闻收听用户相关的信息，得到新闻收听用户—新闻播报评分矩阵，基于筛选结果从预设用户属性项集合中确定出与所述语音请求关联的目标属性项；并利用建立的新闻收听用户—新闻播报评分矩阵，为每个新闻收听用户和每个新闻播报端构建历史评分记录集合，同时构建用户集合，按照用户的评分新闻播报端数从大到小对用户集合中的用户排序；按用户在用户集合中的顺序，选取一个评分最高的用户作为目标用户；根据新闻收听用户—新闻播报评分矩阵，计算其余用户与目标用户的相似度；选取与目标用户相似度大于第一设定值的用户构建目标用户的优先用户集；计算目标用户与各优先用户的历史共同评分差均值，若两个用户历史本身没有共同新闻播报端，则不做计算；选取共同评分差均值小于第二设定值的用户构造最终的相似用户集，利用目标用户的相似用户集对新闻收听用户—新闻播报评分矩阵进行填充；对评分矩阵中剩下的未填充数据，同样采用相似度阈值法和共同评分差均值来选取最相似新闻播报端，并利用相似新闻播报端来对新闻收听用户—新闻播报评分矩阵进行再次填充，进行新闻播报端初步推荐；并获取所述目标用户属性项对应的用户属性信息；基于用户属性信息在待推荐新闻播报端中筛选出目标新闻进行推荐，若和初步推荐结果一样则按此推荐，若不一样则选取用户的评分新闻播报端数第二高评分数作为目标用户，重复以上步骤进行填充，得到推荐新闻播报端，播报该新闻播报端。

进一步的，所述构建目标用户的优先用户集过程如下：

按用户在用户集合中的顺序，选取一个评分最高的用户作为目标用户；利用新闻收听用户—新闻播报评分矩阵，通过Pearson皮尔逊相关系数公式来计算其余用户与目标用户的相似度；

其中，sim_u,v表示用户u和用户v的相似度，I_u,v为用户u和用户v的共同评分商家集合，R_ui、R_vi分别为用户u、用户v对商家i的评分，R_u、R_v分别为用户u、用户v的平均评分；选取与目标用户相似度大于α的用户构建目标用户的优选邻居用户集p_N(u)。