[发明专利]新闻推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种新闻推荐方法，其特征在于，包括下述步骤：

接收新闻文档，将所述新闻文档输入预设的初始推荐模型的语义提取模型中，获得所述语义提取模型输出的语义特征表示向量，其中，所述新闻文档携带有标签；

从所述新闻文档中识别单实体，计算所述新闻文档中单实体的实体特征表示向量；

基于所述语义特征表示向量，将新闻文档中的所有单实体的实体特征表示向量进行聚合，获得聚合表示向量；

处理所述聚合表示向量、语义特征表示向量和预设的用户向量，获得预测结果；

基于所述预测结果和所述新闻文档对应的标签，计算所述初始推荐模型的损失函数值，并迭代训练所述初始推荐模型，直至所述初始推荐模型收敛，获得训练后的推荐模型，基于所述训练后的推荐模型向用户推荐新闻。

2.根据权利要求1所述的新闻推荐方法，其特征在于，所述计算所述新闻文档中单实体的实体特征表示向量的步骤包括：

分别计算单实体的知识图谱嵌入表示向量和单实体在新闻文档中的上下文表示向量；

将所述单实体的知识图谱嵌入表示向量和单实体在新闻文档中的上下文表示向量在对应的维度相加，获得单实体的实体特征表示向量。

3.根据权利要求2所述的新闻推荐方法，其特征在于，所述计算单实体的知识图谱嵌入表示向量的步骤包括：

获取知识图谱，并基于所述知识图谱和所述初始推荐模型中的图模型对单实体进行知识表示学习，获得所述单实体的知识图谱嵌入表示向量。

4.根据权利要求2或3所述的新闻推荐方法，其特征在于，所述计算单实体在新闻文档中的上下文表示向量的步骤包括：

识别单实体在新闻文档中出现的次数、单实体出现的位置和单实体的类别；

基于预设的对应关系表，分别将所述单实体在新闻文档中出现的次数、单实体出现的位置和单实体的类别转换为对应的数字，得到所述单实体在新闻文档中的上下文表示向量。

5.根据权利要求1所述的新闻推荐方法，其特征在于，所述基于所述语义特征表示向量，将新闻文档中的所有单实体的实体特征表示向量进行聚合，获得聚合表示向量的步骤包括：

将所述语义特征表示向量作为查询向量，基于所述初始推荐模型中设置的注意力机制去注意文档中包含的各个单实体；

将注意到的所述单实体对应的实体特征表示向量分别转化为键向量和值向量；

计算所述查询向量与每个键向量的内积，并归一化所有内积，获得实体特征表示向量的注意力权重；

基于所述注意力权重对所述实体特征表示向量进行加权求和，获得所述聚合表示向量。

6.根据权利要求1所述的新闻推荐方法，其特征在于，所述处理所述聚合表示向量、语义特征表示向量和预设的用户向量，获得预测结果的步骤包括：

将所述聚合表示向量和语义特征表示向量进行拼接；

将所述拼接后的向量输入所述初始推荐模型中的全连接层中，获得新闻文档特征向量；

将所述新闻文档特征向量和所述用户向量输入所述初始推荐模型的二分类模型中，获得预测结果。

7.根据权利要求1所述的新闻推荐方法，其特征在于，所述语义提取模型包括长短期记忆网络层，所述将所述新闻文档输入预设的语义提取模型中，获得所述语义提取模型输出的语义特征表示向量的步骤包括：

基于语义提取模型将新闻文档中的每一个词转换为词向量；

基于语义提取模型中的长短期记忆网络层提取每一个句子中的所有词向量，并通过语义提取模型中的注意力机制对每一个句子中的所述词向量进行加权求和，生成句子特征向量；

通过语义提取模型中的注意力机制对所述句子向量进行加权求和，生成文档特征向量，作为所述语义特征表示向量。