[发明专利]一种基于知识图谱的新闻推荐方法

权利要求书

1.一种基于知识图谱的新闻推荐的方法。其特征在于，所述方法由计算机执行，包括以下步骤：

A1、实体识别

A2、单词层面新闻建模

A3、知识层面新闻建模

A4、获取新闻表示

A5、获取用户表示

A6、预测输出。

2.如权利要求1所述的基于知识图谱的新闻推荐的方法，其特征在于，根据新闻标题中的单词，找到其中所包含的知识实体，A1的具体实现过程如下：通过实体链接技术和实体消歧技术找到新闻标题中包含的知识实体。

3.如权利要求1所述的基于知识图谱的新闻推荐的方法，其特征在于，对新闻标题进行单词层面的建模，A2的具体实现过程如下：给定新闻v_i的标题单词序列表示为v_i＝[w₁，w₂，..._，w_M]，使用词嵌入技术将单词序列转化为一组嵌入向量集E^w＝[e₁，e₂，...，e_M]，接着使用卷积神经网络提取标题的局部信息，然后使用一个基于新闻类别的注意力网络得到新闻标题的单词层面的表示。式1表示卷积操作，式2和式3表示注意力网络：

c_i＝ReLU(F_w×e_{(i-k)：(i+k)}+b_w) (1)

4.如权利要求1所述的基于知识图谱的新闻推荐的方法，其特征在于，对新闻标题进行知识层面的建模，A3的具体实现过程如下：使用实体嵌入技术将新闻标题中包含的知识实体转化为实体向量，接着根据知识图谱的结构，使用消息传递机制，找到标题中包含的实体的邻居，最后使用消息聚合机制，将实体邻居的消息聚合起来，形成最后的新闻标题的知识层面的表示。式4和式5表示消息传递，式6和式7表示消息聚合：

agg_concat＝σ(W·(e₀||e₁||...||e_L)+b) (7)

5.如权利要求1所述的基于知识图谱的新闻推荐的方法，其特征在于，获取新闻的表示，A4的具体实现过程如下：给定输入的新闻v_i，根据A2获得的单词层面的表示和A3获得的知识层面的表示，获取新闻的最终表示。其中v表示最终的新闻表示，v_w表示单词层面的新闻表示，v_k表示知识层面的新闻表示：

v＝[v_w，v_k] (8)

6.如权利要求1所述的基于知识图谱的新闻推荐的方法，其特征在于，获取用户的表示，A5的具体实现过程如下：根据用户的历史点击新闻纪录和候选新闻，逐个计算历史新闻与候选新闻的相关性，以此获取不同历史新闻的权重，然后通过加权来获取用户表示。式9表示计算历史新闻的权重，式10来获取用户表示：

7.如权利要求1所述的基于知识图谱的新闻推荐的方法，其特征在于，获取用户点击候选新闻的概率，A6的具体实现过程如下：根据A4计算的新闻表示和A5计算的用户表示，通过内积操作来预测用户点击新闻的概率。式11计算点击的概率，式12为损失函数：