[发明专利]一种基于领域本体的多源个性化新闻网页推荐方法

摘要

本发明公开了一种基于领域本体的多源个性化新闻网页推荐方法，其特征是按如下步骤进行：1建立新闻语料库；2抓取新闻；3建立用户初始兴趣模型；4建立新闻分类模型；5个性化新闻推荐；6更新兴趣模型。本发明能挖掘用户的兴趣度，使得推荐结果的准确性和召回率都有明显的提升，并提高用户的满意度。

主权项

一种基于领域本体库的个性化中文新闻推荐方法，所述中文新闻的领域本体库中包含由一级主题、二级主题和三级主题构成的新闻主题，所述一级主题中包含若干个一级主题词，所述二级主题中包含若干个二级主题词，所述三级主题中包含若干个三级主题词，所述一级主题是所述二级主题的父类，所述二级主题是三级主题的父类，一个一级主题词中包含若干个二级主题词，一个二级主题词中包含若干个三级主题词，从而构成树形结构；由所述一级主题、二级主题和三级主题中所有不同类别的主题词构成所述领域本体库的查询字典；其特征是按如下步骤进行：步骤1、建立新闻语料库：根据所述领域本体库中所有一级主题词，分别从网络上获得类别与所述一级主题词对应的若干新闻，从而构成新闻语料库；所述新闻语料库包括一级主题词和其相应主题词下的若干新闻；步骤2、抓取新闻：步骤2.1、利用新闻门户网站提供的新闻聚合器RSS获得原始新闻；所述原始新闻包括新闻标题、新闻时间和统一资源定位符URL；步骤2.2、利用HTML解析器解析所述统一资源定位符URL，获得与所述统一资源定位符URL对应的新闻网页DOM树；所述新闻网页DOM树中包含有节点标签；步骤2.3、根据所述新闻网页DOM树的节点标签获得与所述统一资源定位符URL相对应的正文标签路径特征序列；步骤2.4、根据正文标签路径特征序列抓取所述原始新闻的正文内容；由原始新闻的正文内容，新闻标题、新闻时间和统一资源定位符URL作为原始新闻集并存储于本地数据库；步骤3、建立初始用户兴趣模型：根据用户从所述领域本体库中选出的新闻主题作为用户兴趣主题，建立初始用户兴趣模型$\left[\begin{array}{c}E\\ F\\ G\\ a\end{array}\right]=\left[\begin{array}{cccc}{E}_1& E_2& ...& E_{\mathrm{\γ}}\\ F_1& F_2& ...& F_{\mathrm{\γ}}\\ G_1& G_2& ...& G_{\mathrm{\γ}}\\ a_1& a_2& ...& a_{\mathrm{\γ}}\end{array}\right],$集合E＝{E₁,E₂,…E_γ}表示用户选择的一级主题词；集合F＝{F₁,F₂,…F_γ}表示用户选择的二级主题词；集合G＝{G₁,G₂,…G_γ}表示用户选择的三级主题词；集合a＝{a₁,a₂,…a_γ}表示用户的感兴趣程度；初始化所述感兴趣程度集合a中的每个元素值为δ；γ表示所述用户兴趣主题的个数；以$\left[\begin{array}{c}{E}_j\\ F_j\\ G_j\\ a_j\end{array}\right]$作为用户第j个兴趣；以$\left[\begin{array}{c}{E}_j\\ F_j\\ G_j\end{array}\right]$作为用户第j个兴趣类别A_j；1≤j≤γ；步骤4、建立新闻分类模型：步骤4.1、将所述原始新闻集中的正文内容进行分词处理获得已分词新闻；步骤4.2、根据所述一级主题词、二级主题词和三级主题词，利用朴素贝叶斯的文本分类方法将所述已分词新闻进行分类处理获得待推荐新闻集X＝{x₁,x₂,…x_i,…x_m}，x_i表示第i个待推荐新闻；利用式(1)获得所述第i个待推荐新闻x_i的属于第j个兴趣类别A_j概率P(A_j|x_i)：$P\left(A_j\right|x_i)=\underset{k=1}{\overset{n}{\mathrm{\Π}}}\frac{1+\mathrm{TF}(t_k,A_j)}{n+{\mathrm{\Σ}}_{k=1}^n\mathrm{TF}(t_k,A_j)}---\left(1\right)$式(1)中，t_k表示所述第i个待推荐新闻x_i中含有所述查询字典中的任一词语；n表示所述第i个推荐新闻x_i中含有所述查询字典中的词语总数；1≤k≤n，TF(t_k,A_j)表示任一词语t_k在新闻语料库中类别为一级主题词E_j的新闻中出现次数，表示所述第i个待推荐新闻x_i中所有词语在新闻语料库中分类为一级主题E_j的新闻中出现的次数之和；步骤5、个性化推荐：步骤5.1、利用式(2)获得第i个待推荐新闻x_i的推荐分值S(x_i)，从而获得所有待推荐新闻的分值：$S\left(x_i\right)=\underset{1\≤j\≤\mathrm{\γ}}{\max }P\left(A_j\right|x_i)\×a_j---\left(2\right)$式(2)中，P(A_j|x_i)表示第i个待推荐新闻x_i属于用户第j个兴趣类别A_j的概率；a_j表示所述用户第j个兴趣类别A_j的感兴趣程度；步骤5.2、将所述所有待推荐新闻的推荐分值进行降序排序，选出前S个待推荐新闻推荐给用户；步骤6、更新兴趣模型：利用式(3)更新所述初始用户兴趣模型，从而获得用户兴趣动态模型$\left[\begin{array}{c}E\\ F\\ G\\ a^{\′}\end{array}\right]=\left[\begin{array}{cccc}{E}_1& E_2& ...& E_{\mathrm{\γ}}\\ F_1& F_2& ...& F_{\mathrm{\γ}}\\ G_1& G_2& ...& G_{\mathrm{\γ}}\\ {a_1}^{\′}& {a_2}^{\′}& ...& {a_{\mathrm{\γ}}}^{\′}\end{array}\right],$a'＝{a₁',a₂',…a_γ'}表示更新过后的用户对每个兴趣类别的感兴趣程度：${a_j}^{\′}=a_j+{\mathrm{\Σ}}_{u=1}^{\mathrm{\λ}}W\left(y_{\mathrm{\μ}}\right|E_j)/D\left(y_{\mathrm{\μ}}\right)---\left(3\right)$式(3)中，E_j表示用户第j个兴趣类别A_j的一级主题词；y_μ表示推荐给用户与所述一级主题词E_j对应的任一推荐新闻；λ表示推荐给用户的新闻总条数，1≤μ≤λ；W(y_μ|E_j)表示用户对推荐新闻的满意程度；当用户浏览推荐新闻y_μ，但未表示满意，则W(y_μ|E_j)＝χ；当用户浏览推荐新闻y_μ，并表示满意，则当用户未浏览推荐新闻y_μ，则W(y_μ|E_j)＝η，D(y_μ)则表示所述推荐新闻y_μ的获取时间距离浏览日期的时间间隔。