[发明专利]一种金融资讯智能推荐系统

权利要求书

1.一种金融资讯智能推荐系统，其特征在于，包括：

新闻特征向量计算模块，配置为计算各新闻的特征向量；

用户特征向量计算模块，配置为计算各用户的特征向量；

多维度新闻池创建模块，配置为创建多个维度的新闻池，并对各新闻池中的新闻排序；

新闻推荐模块，配置为计算各新闻池的采样概率，根据所述采样概率对各新闻池进行采样，将采样得到的新闻池中排在第一位的新闻推荐给用户。

2.如权利要求1所述的金融资讯智能推荐系统，其特征在于，计算各新闻的特征向量的方式为：

提取数据库中各新闻内所有的主题词；

计算各主题词的权重和一周期内的动态逆文档频率；

计算各新闻的特征向量V，特征向量V为N维向量，N为数据库中所有主题词总数，特征向量V的一位对应一个主题词，其中，各新闻中任一主题词对应的向量的位值等于该主题词的权重和该主题词一周期内的动态逆文档频率的乘积。

3.如权利要求2所述的金融资讯智能推荐系统，其特征在于，

一周期包括20天、30天或40天；

逆文档频率为Inverse Document Frequency，即idf。

4.如权利要求3所述的金融资讯智能推荐系统，其特征在于，用户特征向量计算模块中，各用户的特征向量的计算方式为：

；

其中，V_s为各用户的特征向量，V_p为用户历史阅读新闻的特征向量、V_d用户已点击不喜欢的新闻的特征向量，V_t为用户已点击不喜欢的主题词的特征向量，||V_d||₂为特征向量V_d的2-范数，Normalize(V_p)和Normalize(V_d)分别为特征向量V_p和V_d归一化后的向量，B和E为计算参数，η为新闻数量惩罚函数。

5.如权利要求4所述的金融资讯智能推荐系统，其特征在于，

V_p、V_d和V_t均为N维特征向量，N为数据库中所有主题词总数，特征向量的一位对应一个主题词；

V_p特征向量的任一位等于用户历史阅读新闻中对应主题词的权重乘以该主题词一周期内的动态逆文档频率；

V_d特征向量的任一位等于用户已点击不喜欢的新闻中对应主题词的权重乘以该主题词一周期内的动态逆文档频率；

V_t特征向量的任一位等于用户已点击不喜欢的主题词的权重乘以该主题词一周期内的动态逆文档频率。

6.如权利要求1所述的金融资讯智能推荐系统，其特征在于，多维度新闻池创建模块中维度类型包括但不限于：宏观、盘前、午评、资金流入流出、投资热点、热点主题新闻、点击榜、自选股、国际时政及财经、基金频道、港股及外围市场。

7.如权利要求6所述的金融资讯智能推荐系统，其特征在于，

热点主题新闻池，先计算热点主题新闻池内各热点主题的热点概率，依据热点概率对所述热点主题新闻池内各热点主题进行采样，将采样得到的热点主题所对应的最新的新闻依次排序；

点击榜新闻池中新闻按照用户的点击量进行排序；

时效性较强的新闻池中新闻按照新闻的发布时间倒序排序，即，发布时间越新的新闻越排在前面，时效性较强的新闻池包括盘前、午评和资金流入流出；

其余新闻池中新闻按照新闻的特征向量和用户的特征向量的相似度排序，依据相似度的高低依次排序。