[发明专利]文章推荐方法、装置、存储介质和电子设备

说明书

本公开涉及一种文章推荐方法、装置、存储介质和电子设备，该方法包括：根据输入的关键词获取预设数量的与关键词匹配的多个候选文章；以每篇文章为一个节点，获取该多个候选文章的节点关系网络，节点关系网络中包括多个候选文章对应的多个节点，以及该多个节点之间的连接关系；利用K‑核分解确定节点关系网络中的每个节点的K‑核值；根据每个节点的K‑核值，利用K‑核认领算法，获取每个节点对应的K‑核认领值；根据每个节点对应的K‑核认领值，在该多个节点中选择K‑核认领值最高的前n个节点所对应的n篇候选文章，作为要输出的目标推荐文章。上述方法无需历史数据或者个体喜好数据也能够获取高质量的推荐结果，也能够降低计算复杂度。

技术领域

本公开涉及互联网技术领域，具体地，涉及一种文章推荐方法、装置、存储介质和电子设备。

背景技术

人们在学习专业技术的时候，往往会大量查询具有相似知识点的文章，从而产生了文章推荐技术。其中，CF(Collaborative Filtering Recommendations，协同过滤)推荐算法和CB(即Content-based Recommendations，基于内容推荐)推荐算法是应用比较多的推荐技术。

其中，CF推荐算法主要利用兴趣相投，拥有共同经验群体的喜好类似的特征来进行推荐，能够更加个性化地推荐出有效的结果，但需要历史数据集，对于新用户、新项目给出的推荐结果质量比较差。CB推荐算法主要分三步，首先从个体中抽取一下特征，其次利用用户喜欢和不喜欢的特征数据，来学习用户的喜好，最后比较用户的喜好和候选个体的特征，为用户推荐一组相关性较好的结果集。CB推荐算法在一定程度上减少了新项目、新用户对推荐结果的影响。

但是，上述两种算法的实现都需要与用户特征有关的一定的样本数据(历史数据或个体喜好数据)，因此对于新用户都很难推荐出高质量的推荐结果，同时上述的CF推荐算法和CB推荐算法的计算复杂度较高，对于服务器的负载压力较大。

发明内容

本公开的目的是提供一种文章推荐方法、装置、存储介质和电子设备，用于解决对于新用户难易获取高质量的推荐结果，以及计算复杂度高的问题。

为了实现上述目的，在本公开的第一方面，提供一种文章推荐方法，所述方法包括：

根据输入的关键词获取预设数量的与所述关键词匹配的多个候选文章；

以每篇文章为一个节点，获取所述多个候选文章的节点关系网络，所述节点关系网络中包括所述多个候选文章对应的多个节点，以及所述多个节点之间的连接关系；

利用K-核分解确定所述节点关系网络中的每个节点的K-核值，所述K-核值用于表示在所述K-核分解过程中节点所在的层数；

根据所述每个节点的K-核值，利用K-核认领算法，获取所述每个节点对应的K-核认领值；

根据所述每个节点对应的K-核认领值，在所述多个节点中选择K-核认领值最高的前n个节点所对应的n篇候选文章，作为要输出的目标推荐文章。

可选地，所述根据所述每个节点的K-核值，利用K-核认领算法，获取所述每个节点对应的K-核认领值，包括：

获取所述多个节点中的每两个邻居节点之间的连线的权重，其中两个邻居节点之间的一根连线表示所述两个邻居节点对应的两篇文章具有一个相同的知识点，所述连线的权重表示两个邻居节点之间的连线数量；其中，在所述多个节点中具有直接连线的两个节点互为邻居节点；

根据所述每两个邻居节点之间的连线的权重和所述每个节点的K-核值，利用第一认领值计算公式获取所述每个节点的认领值；

对所述每个节点的认领值进行归一化，以获取所述每个节点的归一化后的认领值；