[发明专利]新闻推荐方法、装置、计算机设备及存储介质

说明书

本申请实施例属于人工智能技术领域，可应用于智慧政务和/或医疗科技领域中，涉及一种新闻推荐方法、装置、计算机设备及存储介质，包括将接收到的新闻文档输入预设的初始推荐模型的语义提取模型中，获得语义特征表示向量；计算新闻文档中单实体的实体特征表示向量；聚合所有实体特征表示向量，获得聚合表示向量；处理聚合表示向量、语义特征表示向量和预设的用户向量，获得预测结果；计算初始推荐模型的损失函数值，并迭代训练初始推荐模型，直至初始推荐模型收敛，获得训练后的推荐模型，基于训练后的推荐模型向用户推荐新闻。训练后的推荐模型可存储于区块链中。本申请增强了新闻推荐的维度。

技术领域

本申请涉及人工智能技术领域，尤其涉及新闻推荐方法、装置、计算机设备及存储介质。

背景技术

目前，个性化推荐系统广泛应用于互联网、电商、生活、娱乐等各行各业。相对于传统搜索系统，用户不需要主动输入目标信息或者查询(query)，而是系统根据用户画像信息和场景上下文信息自动匹配合适的新闻消息后推送给用户，这种方式极大地增强了用户信息获取的效率和用户体验，从而有利于提升产品的用户规模。

新闻推荐方法种类繁多，包括基于物品的协同过滤算法的新闻推荐方法、基于隐语义模型算法的新闻推荐方法以及基于关联规则的推荐算法的新闻推荐方法等。然而，现有的新闻推荐方法均存在推荐的新闻内容单一，而导致用户体验差的问题。

发明内容

本申请实施例的目的在于提出一种新闻推荐方法、装置、计算机设备及存储介质，增强了新闻推荐的维度，有效提升了模型推荐的多样性和准确率。

为了解决上述技术问题，本申请实施例提供一种新闻推荐方法，采用了如下所述的技术方案：

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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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：