[发明专利]基于标签相似度的信息推荐方法及系统

说明书

本发明公开了基于标签相似度的信息推荐方法及系统，方法包括：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；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；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；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。本发明还提供基于标签相似度的信息推荐系统，用于实现上述推荐方法。通过本方案能根据用户的属性和行为进行向量化分析处理，将热度最高且符合用户属性的新闻推荐给用户，解决推荐系统冷启动的问题。

技术领域

本发明涉及文章推荐技术领域，尤其涉及基于标签相似度的信息推荐方法及系统。

背景技术

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代。与此同时，无论是信息消费者还是信息生产者都遇到了很大的挑战：对于信息消费者，从海量信息中寻找到自己感兴趣的信息是一件非常困难的事； 对于信息生产者，让自己生产的信息脱颖而出，受到用户的广泛关注，也是一件十分困难的事情。新闻是信息的重要载体之一，随着互联网的发展，浏览网络上即时发布的新闻成为人们获取信息的重要手段。而新闻推荐系统或新闻推荐装置就是解决这个矛盾的重要工具。它的任务是联系用户和信息，既帮助用户发现对自己有价值的信息，又让信息能够展现在对它感兴趣的用户面前，实现信息消费者和生产者的双赢。

当前的信息推荐系统虽然能根据用户的兴趣为用户提供个性化的信息推荐服务，但是不能很好的解决推荐系统冷启动的问题。

发明内容

本发明的目的在于克服现有技术的不足，提供基于标签相似度的信息推荐方法及系统，能根据用户的属性和行为进行向量化分析处理，将热度最高且符合用户属性的新闻推荐给用户，解决了推荐系统冷启动的问题。

本发明的目的是通过以下技术方案来实现的：

基于标签相似度的信息推荐方法，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。

具体的，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。

具体的，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。

具体的，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；