[发明专利]新闻客户端智能推荐系统

权利要求书

1.新闻客户端智能推荐系统，所述系统包括：本地端和服务器端；其特征在于，所述本地端包括：用户兴趣泡构建单元，配置用于基于预设的配置信息构建用户的兴趣泡，每个兴趣泡对应一个一级分类，所述一级分类为定义的用户兴趣类别，每个一级类别包括多个不同的二级类别，所述兴趣泡包括一个兴趣中心和多个兴趣类别集合，所述兴趣类别集合以浮动的兴趣集合的方式围绕在兴趣中心周围，与兴趣中心的欧式距离均为相等的设定值；用户兴趣路径确立单元，配置用于在设定的时间范围内，采集用户的完整行为路径；所述用户的完整行为路径定义为：在设定的时间范围内，用户浏览内容的起点、中间点和终点；一级用户兴趣图谱构建单元，配置用于对用户的完整行为路径中的起点、中间点和终点进行一级分类，找到分类级别为一级的起点、中间点和终点，并找到其对应的兴趣泡，并统计这些起点、中间点和终点属于同一类别的个数，以及每个起点、中间点和终点在路径中所处的位置，使用预设的第一兴趣权重计算模型，计算这些起点、中间点和终点的第一权重值，并基于计算出的权重值，推动兴趣泡朝向兴趣中心运动；二级用户兴趣图谱构建单元，配置用于对用户的完整行为路径中的起点、中间点和终点进行二级分类，找到分类级别为二级的起点、中间点和终点，将二级的起点、中间点和终点划分到隶属的一级的起点、中间点和终点对应的兴趣泡内，同时基于这些二级的起点、中间点和终点的二级类别，使用兴趣检索特征生成模型，生成每个兴趣泡对应的检索特征；所述服务器端，包括：内容数据库，配置用于存储内容；检索单元，配置用于按照兴趣泡与兴趣中心的距离，从近到远，依次调取检索特征在内容数据库中进行特征检索，找到与检索匹配的内容；内容呈现单元，配置用于将检索匹配的内容发送至客户端进行呈现。

2.如权利要求1所述的系统，其特征在于，所述第一兴趣权重计算模型使用如下公式进行表示：；其中，为权重值；为同属于一个一级分类的类别的起点、中间点或终点的个数；为起点、中间点和终点的总数；为同属于一个类别的起点、中间点、或终点分别与其他类别的起点、中间点或终点的相隔距离；所述相隔距离定义为，起点、中间点和终点与其他的不同类别的点之间点的个数；为权重初始值，为设定值，取值范围为：100~300。

3.如权利要求1所述的系统，其特征在于，所述兴趣检索特征生成模型生成检索特征的方法包括：提取每个二级类别对应的类别关键词；所述类别关键词为二级类别生成时加入的标签关键词；对类别关键词中的每个标签关键词进行预处理，转化为词序列；确定每个词的词向量，并计算每个标签关键词的标签关键词向量；对标签关键词向量进行聚类，将类别关键词划分出多个标签关键词子集；根据划分后的标签关键词子集，提取检索特征。

4.如权利要求3所述的系统，其特征在于，对类别关键词中的每个标签关键词进行预处理，转化为词序列，包括：对于英文标签关键词，判断每个词之间是否存在空格，若是，则切分为词，添加序列；对于中文标签关键词，通过分词和/或停顿词，将中文标签关键词转化为词序列。

5.如权利要求4所述的系统，其特征在于，确定每个词的词向量，并计算每个标签关键词的标签关键词向量，确定每个词的词向量；根据每个词的词向量，计算每个标签关键词的标签关键词向量。

6.如权利要求1所述的系统，其特征在于，所述检索单元按照兴趣泡与兴趣中心的距离，从近到远，依次调取检索特征在内容数据库中进行特征检索，找到与检索匹配的内容的方法包括：获取检索特征；使用卷积神经网络模型从所述检索特征中提取所述检索特征的核心特征，其中，所述卷积神经网络模型基于历史检索特征和历史检索数据的训练集训练得到；基于提取的所述检索特征的核心特征，检索核心特征与所述检索特征的核心特征匹配的目标内容。