[发明专利]一种基于多级匹配的兴趣激活新闻推荐方法及系统

权利要求书

1.一种基于多级匹配的兴趣激活新闻推荐方法，其特征在于，包括：

获取候选新闻和用户历史点击新闻，分别进行新闻编码，得到候选新闻表示和用户历史点击新闻表示；

基于用户历史点击新闻表示，获得用户全局兴趣特征；

基于候选新闻表示和用户历史点击新闻表示，采用目标注意力机制来计算每个用户历史点击新闻和每个候选新闻之间的注意力得分，使用注意力得分对用户历史点击新闻进行加权计算，获得用户动态兴趣特征；

基于候选新闻表示和用户历史点击新闻表示，在多个不同的相似度水平上捕捉被点击新闻和候选新闻在语义上的相关性，获得不同层次的每个候选新闻与用户历史点击新闻的局部兴趣匹配排名特征；

联合用户全局兴趣特征、动态兴趣特征和局部兴趣匹配排名特征，预测用户浏览每个候选新闻的概率，基于预测概率向用户推荐候选新闻。

2.如权利要求1所述的一种基于多级匹配的兴趣激活新闻推荐方法，其特征在于，所述新闻编码的具体步骤为：

获取新闻的标题；

使用新闻标题构建向量表示，得到新闻标题的单词向量序列；

将新闻标题单词向量序列输入卷积神经网络，得到上下文单词表示向量的序列；

将上下文单词表示向量的序列输入单词级注意力网络，得到新闻的最终表示。

3.如权利要求1所述的一种基于多级匹配的兴趣激活新闻推荐方法，其特征在于，所述局部兴趣匹配排名特征的获取步骤为：

基于候选新闻表示和用户历史点击新闻表示，计算关联矩阵；

将关联矩阵使用高斯核函数池化，将关联矩阵中的单词交互转换成候选新闻的初步匹配排名特征；

基于候选新闻的初步匹配排名特征，应用卷积神经网络与最大池化函数得到每个候选新闻与用户历史点击新闻的局部兴趣匹配排名特征。

4.如权利要求1所述的一种基于多级匹配的兴趣激活新闻推荐方法，其特征在于，所述预测用户浏览每个候选新闻的概率的具体步骤为：

基于所述用户全局兴趣特征、动态兴趣特征和候选新闻表示，计算基于用户全局兴趣的匹配分数和基于动态兴趣的匹配分数；

基于所述局部兴趣匹配排名特征，计算局部兴趣匹配分数；

联合基于用户全局兴趣的匹配分数、基于动态兴趣的匹配分数和局部兴趣匹配分数，计算用户浏览每个候选新闻的概率。

5.如权利要求4所述的一种基于多级匹配的兴趣激活新闻推荐方法，其特征在于，所述基于用户全局兴趣的匹配分数为所述用户全局兴趣特征和候选新闻表示的内积。

6.如权利要求4所述的一种基于多级匹配的兴趣激活新闻推荐方法，其特征在于，所述基于动态兴趣的匹配分数为所述动态兴趣特征和候选新闻表示的内积。

7.如权利要求1所述的一种基于多级匹配的兴趣激活新闻推荐方法，其特征在于，所述用户全局兴趣特征为用户历史点击新闻表示的加权和。

8.一种基于多级匹配的兴趣激活新闻推荐系统，其特征在于，包括：

新闻编码模块，其被配置为：获取候选新闻和用户历史点击新闻，分别进行新闻编码，得到候选新闻表示和用户历史点击新闻表示；

用户编码模块，其被配置为：基于用户历史点击新闻表示，获得用户全局兴趣特征；

目标感知兴趣激活模块，其被配置为：基于候选新闻表示和用户历史点击新闻表示，采用目标注意力机制来计算每个用户历史点击新闻和每个候选新闻之间的注意力得分，使用注意力得分对用户历史点击新闻进行加权计算，获得用户动态兴趣特征；

多级匹配交互模块，其被配置为：基于候选新闻表示和用户历史点击新闻表示，在多个不同的相似度水平上捕捉被点击新闻和候选新闻在语义上的相关性，获得不同层次的每个候选新闻与用户历史点击新闻的局部兴趣匹配排名特征；

概率预测模块，其被配置为：联合用户全局兴趣特征、动态兴趣特征和局部兴趣匹配排名特征，预测用户浏览每个候选新闻的概率，基于预测概率向用户推荐候选新闻。