[发明专利]一种基于内容的印尼新闻网页推荐方法

权利要求书

1.一种基于内容的印尼新闻网页推荐方法，其特征在于：包括以下步骤：

步骤1：爬取印尼新闻数据，提取每篇印尼新闻中的关键词并将关键词的编号保存至对应印尼新闻的字段中；

步骤2：利用所述印尼新闻数据训练word2vector神经网络模型，得到词到向量的映射字典；利用所述印尼新闻数据训练doc2vector神经网络模型，得到具有稳定参数的模型；

步骤3：筛选出与当前被浏览的印尼新闻的关键词编号重复最多的p篇印尼新闻，作为候选数据集；

步骤4：利用所述词到向量的映射字典和模型计算当前被浏览的印尼新闻和候选数据集中每篇印尼新闻的向量表示；

步骤5：利用所述向量表示计算当前被浏览的新闻与候选数据集中每一篇印尼新闻的距离；

步骤6：利用所述距离进行排序，选取候选数据集中距离小的前m篇印尼新闻作为推荐新闻；

所述步骤1具体为：

步骤11：利用爬取的印尼新闻数据，得到词到词编号的映射表word2id与词编号到包含该词的文本数量的映射表id2df；

步骤12：利用所述映射表word2id与映射表id2df计算每篇印尼新闻中每个词汇的TF-IDF值；

步骤13：将TF-IDF值最大的n个词汇对应的编号保存在对应新闻的字段中；

所述步骤4具体为：

步骤41：利用所述词到向量的映射字典计算当前被浏览新闻中标题的向量表示A，利用模型计算当前被浏览新闻中新闻内容的向量表示B，利用所述向量表示A和向量表示B拼接得到当前被浏览新闻的向量表示C；

步骤42：利用所述词到向量的映射字典计算候选数据集中每一篇新闻中标题向量表示Di，利用利用模型计算候选数据集中每一篇新闻中新闻内容的向量表示Ei，利用所述向量表示Di和向量表示Ei得到选数据集中每一篇新闻的向量表示Fi，其中i表示候选数据集中新闻的序号。

2.根据权利要求1所述的一种基于内容的印尼新闻网页推荐方法，其特征在于：所述步骤1还包括对印尼新闻进行预处理，预处理方法为：

对当前被浏览的印尼新闻的内容进行分词处理；

将分词中的停用词和特殊字符进行过滤，得到纯文本数据。

3.根据权利要求1所述的一种基于内容的印尼新闻网页推荐方法，其特征在于：所述步骤5具体为：利用所述向量表示C和向量表示Fi计算两者间的欧式距离，得到当前被浏览新闻与候选数据集中每一篇新闻间的距离。