[发明专利]基于深度学习的新闻个性化智能推荐方法与系统

说明书

一种基于深度学习的新闻个性化智能推荐方法与系统，方法包括：获取用户移动端互联网行为数据，并根据BP神经网络预测用户实时兴趣爱好标签；按照用户实时兴趣爱好标签向用户推荐主题与兴趣爱好标签相对应的新闻；获取用户阅读情况；根据用户阅读情况对用户实时兴趣标签进行修正，并进行下一次新闻推荐，从而能够根据用户实时兴趣爱好标签进行新闻推荐，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标签进行修正，在保证标签精确地同时，丰富了标签的种类，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

本发明涉及互联网新闻推送，具体涉及一种基于深度学习的新闻个性化智能推荐方法、一种计算机可读存储介质、一种基于深度学习的新闻个性化智能推荐系统以及一种基于深度学习的新闻个性化智能推荐装置。

背景技术

随着互联网的飞速发展，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。

因此，相关技术需要改进。

发明内容

本申请提供一种基于深度学习的新闻个性化智能推荐方法，能够根据用户实时的兴趣爱好进行新闻推荐。

根据第一方面，一种实施例中提供一种基于深度学习的新闻个性化智能推荐方法，获取用户移动端互联网行为数据，并根据BP神经网络预测用户实时兴趣爱好标签；按照所述用户实时兴趣爱好标签向用户推荐主题与所述兴趣爱好标签相对应的新闻；获取用户阅读情况；根据所述用户阅读情况对所述用户实时兴趣标签进行修正，并进行再一次新闻推荐。

可选地，所述用户阅读情况可包括用户阅读的正反馈与负反馈。

可选地，基于深度学习的新闻个性化智能推荐方法可还包括：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LDA模型和所述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多粒度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。

可选地，获取新闻类型分类器的方法可包括：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。

根据第二方面，一种实施例中提供一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现所述的方法。

根据第三方面，一种实施例中提供一种基于深度学习的新闻个性化智能推荐系统，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现所述的方法。

根据第四方面，一种基于深度学习的新闻个性化智能推荐装置，包括：用于获取用户移动端互联网行为数据，并根据BP神经网络预测用户实时兴趣爱好标签的装置；用于按照所述用户实时兴趣爱好标签向用户推荐与所述兴趣爱好标签相对应的主题的新闻的装置；用于获取用户阅读情况，并将所述用户阅读情况进行反馈的装置；用于根据所述用户阅读情况对所述用户实时兴趣标签进行修正，并进行再一次新闻推荐的装置。

可选地，所述用户阅读情况可包括用户阅读的正反馈与负反馈。