[发明专利]基于大数据深度学习的个性化新闻推荐方法

说明书

基于大数据深度学习的个性化新闻推荐方法，包括以下步骤：S1、获取用户的互联网行为数据，并采用Elman神经网络预测用户实时兴趣爱好类别；S2、参照所述用户实时兴趣爱好类别向用户推荐主题与其兴趣爱好类别相对应的新闻信息；S3、获取用户新闻阅读情况，并对这些数据进行预处理；S4、根据处理结果，对用户实时兴趣爱好类别进行修正，并推荐新的新闻信息。本发明根据用户实时兴趣爱好类别进行新闻推荐，使新用户也能较好的获取到感兴趣的新闻，同时能够根据用户的阅读情况及时对用户实时兴趣类别进行修正，在保证类别精确地同时，丰富了类别的种类，从而能够避免被推荐的新闻主题越来越少，兼顾推荐系统的收敛和发散，提升用户体验度。

技术领域

本发明属于互联网新闻推送、大数据处理技术领域，具体涉及基于大数据深度学习的个性化新闻推荐方法。

背景技术

随着互联网的飞速发展，人们处于信息爆炸时代，各种新闻每天都在以亿万级的数量递增，导致用户很难及时浏览到自己感兴趣的新闻，给用户带来了不好的体验，为了解决该问题，通常通过个性化新闻推荐系统将用户感兴趣的新闻及时推荐给他们。

但是，相关技术中当用户历史行为缺失、片面或对历史行为数据的不合理应用时会导致错误推荐，给用户带来不好的体验。例如，当遇到新用户和没有采集到历史行为数据的用户时，通常随机的推荐新闻；又如，当只采集到用户部分感兴趣的新闻时，通常会导致只给该用户推荐单一类型的新闻。

发明内容

针对现有技术存在的上述问题，本申请提供基于大数据深度学习的个性化新闻推荐方法，能够根据用户实时的兴趣爱好进行新闻推荐。

基于大数据深度学习的个性化新闻推荐方法，包括以下步骤：

S1、获取用户的互联网行为数据，并采用Elman神经网络预测用户实时兴趣爱好类别；

S2、参照所述用户实时兴趣爱好类别向用户推荐主题与其兴趣爱好类别相对应的新闻信息；

S3、获取用户新闻阅读情况，并对这些数据进行预处理；

S4、根据处理结果，对用户实时兴趣爱好类别进行修正，并推荐新的新闻信息。

本技术方案进一步的优化，所述用户新闻阅读情况包括用户阅读的正反馈与负反馈。

本技术方案更进一步的优化，还包括：

获取新闻内容，并对所述新闻内容进行文本分词以生成新闻词序列；

根据主题模型和新闻词序列提取所述新闻内容的主题词，以形成待计算的新闻；

获取新闻类型分类器；

对所述待计算的新闻与所述新闻类型分类器进行基于数据流图的卷积神经网络的计算，以获取所述新闻内容所属的主题类型。

本技术方案更进一步的优化，获取新闻类型分类器的方法包括：

获取新闻类型正样本；

将所述新闻类型正样本进行文本分词，并提取所述新闻类型正样本的主题词，以将新闻类型正样本训练成各主题类型的新闻分类器。

本技术方案更进一步的优化，所述主题模型为LDA模型或PLSA模型。

本技术方案进一步的优化，所述新闻阅读情况预处理包括将新闻内容进行主题分析及相同主题阅读次数的分析。

本发明提出的基于大数据深度学习的个性化新闻推荐方法，能够根据用户实时兴趣爱好类别进行新闻推荐，从而使新用户也能较好的获取到感兴趣的新闻，同时能够根据用户的阅读情况及时对用户实时兴趣类别进行修正，进而能够避免被推荐的新闻类型越来越少，提升用户的体验。

附图说明