[发明专利]一种新闻推荐系统和方法

说明书

本发明涉及一种新闻推荐系统及方法，其中新闻推荐系统，包括：通信接口，其经配置以接收来自由客户端中一个或多个特征信息；以及一个或多个处理器，服务器端运行于一个或多个处理器上，其经配置以根据一个或多个特征信息确定推荐的新闻；其中，特征信息包括：静态特征信息和动态特征信息；其中，通信接口进一步经配置以将推荐的新闻发送到客户端。本发明新闻推荐系统实时的获取用户行为，将用户行为反馈到模型中进行训练，并根据训练结果，实时的推荐用户感兴趣的内容。有效的提高了用户阅读体验。

技术领域

本发明涉及移动互联网技术领域，特别地涉及一种新闻推荐系统和方法。

背景技术

随着互联网多元化的发展，用户可以了解到各种各样的信息，但是网上各种信息杂乱无章，也使得用户寻找感兴趣的信息困难，通常需要很长的时间。因此，目前多数的网站和APP都具有推荐系统，通过大量的数据分析的结果对用户进行推荐内容。但是传统的网站或者APP的做法是通过离线的模型训练数据，然后导入到线上使用，这样会导致用户收到想要的内容存在延迟，而现有的技术通常需要延迟几个小时或者几天不等，无法及时的将用户行为反馈到模型中，更加无法及时的推荐分析结果的内容到用户。因此，本领域需要一种新型的推荐系统以及推荐方法。

发明内容

针对现有技术中存在的技术问题，本发明提出了一种新闻推荐系统，包括：通信接口，其经配置以接收来自由客户端中一个或多个特征信息；以及一个或多个处理器，服务器端运行于一个或多个处理器上，其经配置以根据一个或多个特征信息确定推荐的新闻；其中，特征信息包括：静态特征信息和动态特征信息；其中，通信接口进一步经配置以将推荐的新闻发送到客户端。

如上所述的系统，其中每天或者每2天或者以更长时间间隔更新静态特征信息。

如上所述的系统，其中实时更新动态特征信息。

如上所述的系统，其中，静态/动态特征信息还包括：用户静态/动态特征信息和文章静态/动态特征信息。

如上所述的系统，其中，服务器端包括计算核心，其经配置以处理特征信息，根据经处理的特征信息训练模型以及应用模型确定推荐的新闻。

如上所述的系统，其中，计算核心包括：特征处理模块，其接收通信接口收集的特征信息，并对特征信息进行处理；模型训练模块，其接收特征处理模块数据，并对模型进行训练；以及推荐服务模块，其用来计算推荐新闻分值，并按照分值顺序推荐到客户端。

如上所述的系统，其中服务器端包括：特征数据库，其用来存储经特征处理模块处理的特征值，并将特征值数据转发给推荐服务模块。

如上所述的系统，其中服务器端包括：参数数据库，其用来存储模型训练产生的特征参数，并将特征参数转达给推荐服务模块。

如上所述的系统，其中模型训练模块包括：第一计算模块，其用来接收特征处理模块转发的特征数据，调取参数数据库中的特征参数，并计算特征新的权重值(w)；第二计算模块，其用来计算第一计算模块多个特征权重值的加和；以及第三计算模块，其用来根据第二计算模块的多个权重值加和计算各特征的权重中间值(z)和迭代次数(n)。

如上所述的系统，其中推荐服务模块包括：第一计算模块，调取特征数据库中的特征数据以及参数数据库中特征参数，并计算特征新的权重值(w)；第二计算模块，其用来计算第一计算模块多个特征权重值的加和；第三计算模块，其根据第二计算模块的特征权重值加和计算推荐新闻文章分值；以及推荐模块，其根据第三计算模块文章分值排序推荐给客户端。

根据本发明另一方面，提出了一种新闻推荐方法，包括从客户端收集一个或多个特征信息；利用收集的一个或多个特征信息计算待推荐文章的分值；以及按照文章分值排序向用户推荐一篇或多篇文章；其中，特征信息包括：静态特征信息和动态特征信息。