[发明专利]一种行业新闻推荐方法及终端

说明书

本发明公开了一种行业新闻推荐方法及终端，抓取实时新闻资源，之后将实时新闻资源内的实时新闻输入到已训练好的二分类模型，以得到行业新闻推荐结果，其中，二分类模型包括AFM层和Deep层，AFM层包括因子分解机和attention机制，Deep层为前馈神经网络；本发明采用AFM层和Deep层结合的深度学习方法，将各种行业领域的所有特征都作为二分类模型的输入，无需手动打标且不会遗漏关键信息；同时，特征之间也可以交叉组合，避免了领域特征的优先级确定问题，从而为不同的用户推荐不同的新闻资讯。

技术领域

本发明涉及金融行业技术领域，特别涉及一种行业新闻推荐方法及终端。

背景技术

在投研管理中，基本面的投资流程很长，需要处理的信息量极大，并且种类繁多，其中新闻就是需要处理的海量数据之一，随着互联网的发展，网络上的新闻呈现爆炸式增长趋势，面对海量的新闻，研究员需要花大量的时间从各个网站上筛选出有投资参考价值的新闻，这样导致分析判断具体事项的效率很低。

专利申请号为CN201811574596.0一种个性化新闻推荐方法及系统、存储介质，该方案通过实时获取新闻资源，并进行去重，对去重后的新闻按照内容所属领域的不同进行不同的归类，其中，需要对新闻文本进行人工标记，然后使用LSTM来进行分类学习，以实现新闻的自动分类；之后再结合用户感兴趣的一些领域信息，逐步缩小范围来进行推荐，然后使用textRank对要推荐给用户的新闻抽取关键信息形成简报，最后将多个摘要生成的新闻简报推送给用户。然而，上述技术方案存在以下问题：

(1)、现有的新闻种类比较繁多，靠人工标注很难正确打标；

(2)、分类模型采用的是LSTM，输入的内容是新闻前2-4句话，很可能会漏掉一些关键的信息；

(3)、选取用户感兴趣的新闻时按照逐步缩小领域范围的做法，很难确定领域特征的优先级。

发明内容

本发明所要解决的技术问题是：提供一种行业新闻推荐方法及终端，采用AFM层和Deep层结合的深度学习方法，无需手动打标，不会遗漏关键信息且避免了领域特征的优先级确定问题。

为了解决上述技术问题，本发明采用的技术方案为：

一种行业新闻推荐方法，包括步骤：

抓取实时新闻资源；

将所述实时新闻资源内的实时新闻输入到已训练好的二分类模型，以得到行业新闻推荐结果，所述二分类模型包括AFM层和Deep层，所述AFM层包括因子分解机和attention机制，所述Deep层为前馈神经网络。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种行业新闻推荐终端，包括存储器、处理器及存储在存储器上并可在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上述的一种行业新闻推荐方法。

本发明的有益效果在于：一种行业新闻推荐方法及终端，采用AFM层和Deep层结合的深度学习方法，将各种行业领域的所有特征都作为二分类模型的输入，无需手动打标且不会遗漏关键信息；同时，特征之间也可以交叉组合，避免了领域特征的优先级确定问题，从而为不同的用户推荐不同的新闻资讯。

附图说明

图1为本发明实施例的一种行业新闻推荐方法的流程示意图；

图2为本发明实施例的一种行业新闻推荐方法的整体流程示意图；

图3为本发明实施例的一种行业新闻推荐终端的结构示意图。

标号说明：

1、一种行业新闻推荐终端；2、处理器；3、存储器。

具体实施方式