本发明涉及新闻推送系统,具体为一种个性化新闻数据推荐的方法和系统。
背景技术:
1、新闻推荐是人们获取信息的主要途径之一,它可以传递各种各样的信息,如政治、经济、文化、社会等方面的信息,无论在国内还是国外,新闻推荐都是人们了解时事动态、获取各种知识的最主要的信源之一,新闻推荐能够促进人们之间的交流与沟通,通过对某些事件的报道,人们可以互相交流自己的看法、分析和判断,从而加深彼此的了解与沟通,新闻推荐通过报道社会问题和现象,能够引起公众的关注和反响,让人们了解事物的真相与内在原因,并有助于促进社会进步和改善生活环境,新闻推荐扮演着监督权力的角色,它能够报道和揭露各种不公正、不合法或不道德的事件和行为,为人民起到警示作用,让执政者了解公众的意见和诉求,调整政策和行为。
2、目前常用的新闻推荐的方法有协同过滤推荐、内容推荐、相似性推荐、关联性推荐和混合推荐,随着推荐系统更加个性化,当加入更多用户信息时,只能生成用户小范围的喜好信息推荐,这样将会导致用户信息闭塞,新信息无法推送给用户,使用户敏感度降低,对其周围的信息或是趋势无法得到感知,当用户规模大,并且频繁操作时,现有推荐系统存在计算用户特征变慢和推荐数据接口响应速度变慢的问题。
技术实现思路
1、针对现有技术的不足,本发明提供一种个性化新闻数据推荐的方法和系统,用于解决上述背景技术所提出的问题。
2、本发明的一种个性化新闻数据推荐的方法和系统,一种个性化新闻数据推荐的方法,包括如下步骤:
3、s1、构建多个记录表;
4、s2、通过多个记录表,计算每个用户的特征;
5、s3、基于bert模型的句子向量编码计算出所有新闻内容的特征;
6、s4、将强关联性的新闻和热门新闻按照一定比例推送给用户;
7、s5、根据新、老用户的不同,向不同用户推送不同新闻内容;
8、s6、前端接收数据进行展示;
9、s7、随时更新用户行为记录;
10、s8、用户此时刷新页面,重复步骤s2-s7。
11、作为本发明的进一步改进,在步骤s1中,所述记录表用于存储用户操作记录,比如,浏览、点赞、收藏、踩、推送等。
12、作为本发明的进一步改进,在步骤s2中,通过多个记录表,统计出每个用户操作记录,使用神经网络提取用户点赞、收藏、浏览的文章特征做加权平均,从而计算每个用户的特征。
13、作为本发明的进一步改进,在步骤s3中,通过bert模型,将新闻内容转化为高维的向量表示,捕捉到新闻的语义和语境信息。
14、作为本发明的进一步改进,在步骤s4中,通过比较新闻内容特征和用户特征,计算新闻特征和用户特征的关联性,将强关联性的新闻和热门新闻按照一定比例推送给用户。
15、作为本发明的进一步改进,在步骤s5中,向新用户推送热门新闻。
16、作为本发明的进一步改进,在步骤s5中,向老用户推送强关联性的新闻内容。
17、作为本发明的进一步改进,在s6步骤中,系统将推荐结果传递到前端,并以可视化的形式展示给用户,提供良好的用户体验,通过前端展示,用户可以直观地看到推荐新闻,提高用户满意度和参与度。
18、作为本发明的进一步改进,在步骤s7中,通过持续更新用户行为记录,可以实时反映用户的兴趣演化和变化,准确度和时效性更高,持续记录和更新用户的行为信息,以实时了解用户的兴趣和变化,优化个性化推荐算法和策略。
19、一种个性化新闻数据推荐的系统,包括计算机设备,所述计算机设备包括处理器、存储器和推荐算法模块,用于实现上述的一种个性化新闻数据推荐方法。
20、与现有技术相比,本发明的有益效果如下:
21、1、本发明将用户分为新用户和老用户两种对象去处理推荐数据,新用户根据创建用户时设置的关键词来查询相关性比较高的新闻来展示,老用户根据用户的操作记录(点赞,收藏,踩,浏览等)计算出的用户特征去匹配新闻内容的特征信息,从而得出一批强关联性的新闻信息,并且推荐的内容80%是和用户强相关,20%是热门新闻;从而避免了用户敏感度降低,用户信息闭塞以及用户信息增多时,只能生成用户小范围洗好的信息推荐问题,通过定期维护操作记录表,防止当用户规模大,并且频繁操作时,计算用户特征变慢,推荐数据接口响应速度变慢的问题,提高了响应速度
22、2、本发明提供一种新闻推荐方法,能够提高用户敏感度,使其能准确的感知到周遭的信息或是趋势,用户接收到的信息更广泛,不再局限于小范围的喜好,打破信息壁垒,使用户能看到除了用户特征之外的一部分热门信息,而且通过定期维护操作记录表提高了响应速度。
1.一种个性化新闻数据推荐的方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的一种个性化新闻数据推荐方法,其特征在于:在步骤s1中,所述记录表用于存储用户操作记录,用户操作记录包括浏览、点赞、收藏、踩以及推送。
3.根据权利要求1所述的一种个性化新闻数据推荐方法,其特征在于:在步骤s2中,通过多个记录表,统计出每个用户操作记录,使用神经网络提取用户点赞、收藏、浏览的文章特征做加权平均,从而计算每个用户的特征。
4.根据权利要求1所述的一种个性化新闻数据推荐方法,其特征在于:在步骤s3中,通过bert模型,将新闻内容转化为高维的向量表示,捕捉到新闻的语义和语境信息。
5.根据权利要求1所述的一种个性化新闻数据推荐方法,其特征在于:在步骤s4中,通过比较新闻内容特征和用户特征,计算新闻特征和用户特征的关联性,将强关联性的新闻和热门新闻按照一定比例推送给用户。
6.根据权利要求1所述的一种个性化新闻数据推荐方法,其特征在于:在步骤s5中,向老用户推送强关联性的新闻内容。
7.根据权利要求1所述的一种个性化新闻数据推荐方法,其特征在于:在s6步骤中,系统将推荐结果传递到前端,并以可视化的形式展示给用户,提供良好的用户体验,通过前端展示,用户可以直观地看到推荐新闻。
8.根据权利要求1所述的一种个性化新闻数据推荐方法,其特征在于:在步骤s7中,通过持续更新用户行为记录,可以实时反映用户的兴趣演化和变化,准确度和时效性更高,持续记录和更新用户的行为信息,以实时了解用户的兴趣和变化,优化个性化推荐算法和策略。
9.一种个性化新闻数据推荐的系统,其特征在于:包括计算机设备,所述计算机设备包括处理器、存储器和推荐算法模块,用于实现如权利要求1-9中任意一项所述的一种个性化新闻数据推荐方法。
10.一种储存介质,其特征在于,其上运行有计算机程序,所述计算机程序被处理器运行时,完成权利要求1-8任一所记述方法的步骤。