[发明专利]一种新闻热度预估方法及系统

摘要

本发明公开一种新闻热度预估方法及系统，相对于传统的基于统计的新闻热度打分系统而言，例如贝叶斯平滑等方法，本发明提出了基于深度和宽度学习构建冷启动新闻(即没有展示历史点击、曝光信息的新入库的新闻)的热度预估模型，并利用该模型对冷启动新闻进行热度预估的方案，基于深度和宽度学习训练模型的构思可使得模型取得准确率上的提升，且由于本发明方案能够实现对冷启动新闻进行热度预估，从而无需以新闻曝光为前提，且可加大高质量的冷启动新闻曝光的概率，并提高高质量冷启动新闻曝光的实时性。

主权项

一种新闻热度预估方法，其特征在于，包括：获取具有热度信息的历史新闻作为训练数据，并对训练数据进行预处理；对预处理后的训练数据中的历史新闻进行词语向量化处理，得到历史新闻在语义层面上的新闻标题词的词向量、新闻关键词的词向量以及新闻主题词的词向量；其中，所述新闻标题词为对历史新闻的标题进行分词所得的词语，所述新闻主题词为对历史新闻的新闻全文数据对应的分词进行聚类所得的词语；利用预定的第一深度神经网络、第二深度神经网络及第三深度神经网络，以一对一方式分别以所述新闻标题词的词向量、新闻关键词的词向量及新闻主题词的词向量为特征进行并行训练，得到基于深度和宽度学习的神经网络模型，并获得训练后输出的向量结果；所述向量结果包括：新闻标题在语义特征上的向量，新闻关键词在语义特征上的向量以及新闻主题在语义特征上的向量；对所述向量结果包括的各种向量进行连接，得到连接向量，并以所述连接向量为特征，以历史新闻的热度信息为参考，利用预定分类算法训练新闻的热度预估模型；利用所述热度预估模型，对存在热度预估需求的新闻进行热度预估。