[发明专利]基于标签相似度的信息推荐方法及系统

权利要求书

1.基于标签相似度的信息推荐方法，其特征在于，包括以下步骤：

S1，新闻标签向量化，获取新闻源数据并进行新闻预处理，提取出每个新闻的标签，采用词袋模型生成对应的新闻的标签向量；

S2，用户属性向量化，从用户属性表中获取用户属性，并生成对应用户的属性向量；

S3，相似度计算，基于相似度计算模型，得到与每个用户的属性最相近的若干个新闻作为推荐候选集；

S4，热度排序，采用新闻热度排序的方式选出热度最高的N个新闻作为最终候选集，并写入推荐候选表。

2.根据权利要求1所述的基于标签相似度的信息推荐方法，其特征在于，所述步骤S1中新闻预处理过程具体包括以下子步骤：

S101，利用爬虫机制并发从新闻数据库中爬取出半结构化或纯文本新闻源数据，并进行数据清洗和组织，生成结构化数据；

S102，采用TF-IDF算法对结构化数据进行关键字提取，将提取出的关键词进行重复检测，并作为每篇新闻的标签生成预处理后的新闻数据存入数据库中。

3.根据权利要求1所述的基于标签相似度的信息推荐方法，其特征在于，所述步骤S3中相似度计算过程具体包括：将用户自定义的标签作为该用户的兴趣表征，遍历新闻列表，采用余弦相似度的计算得到用户和新闻标签的相似距离，若相似距离超过设定阈值，则将新闻加入到推荐候选集中，直至所有新闻数据遍历完成。

4.根据权利要求3所述的基于标签相似度的信息推荐方法，其特征在于，所述采用余弦相似度的计算得到用户和新闻标签的相似距离过程具体包括：

S301，定义标签类别，首先对可能出现的新闻标签进行所属类别定义；

S302，添加标签，通过用户自定义标签和文章关键字提取，分别为用户和新闻添加标签；

S303，标签向量化，采用oneHot编码的方式将用户和新闻标签编码为向量形式，将定义的所有标签设定为一个向量中的一位，对于用户或新闻中如果包含某个标签，那么对应向量中的那一位标签置为1，否则置为0；

S304，利用余弦相似度函数计算所有标签向量中每两个标签向量之间夹角的余弦值，值越大相似度越高。

5.基于标签相似度的信息推荐系统，其特征在于，包括

新闻预处理模块，用于从各个新闻源中爬取新闻信息，并对获取的新闻数据进行数据清洗和去重，生成结构化数据；

向量化模块，用于对结构化的新闻数据进行标签向量化，同时对用户属性进行向量化，获得对应的新闻的标签向量和用户的属性向量；

相似度计算模块，用于根据新闻的标签向量和用户的属性向量进行相似度计算，将与每个用户的属性最相近的新闻作为推荐候选集；

热度排序模块，用于根据热度排序算法从推荐候选集中选出热度最高的N个新闻作为最终候选集，并写入推荐候选表；

新闻推荐模块，用于根据推荐候选表中的新闻ID，在新闻数据库中进行匹配，得到对应的新闻内容数据，反馈给用户。