一种基于用户兴趣建模的新闻推荐方法

技术特征：
1.一种基于用户兴趣建模的新闻推荐方法，其特征在于，包括以下步骤：步骤1、根据所需的新闻属性信息进行预处理得到新闻数据构造新闻数据集；用于训练的新闻数据集中，用户与新闻之间存在交互则标记为正样本，表示用户阅读过该新闻，否则标记为负样本；步骤2、新闻推荐模型的构建与训练：利用新闻数据集中的训练数据对所述新闻推荐模型进行深度学习训练，当满足预置的停止训练条件时，得到训练好的新闻推荐网络模型；所述新闻推荐网络模型用于，输出用户点击候选新闻的概率，包括特征提取模块、残差图卷积网络gcn、用户热兴趣模块和全连接神经网络；特征提取模块包括点击序列特征提取器和新闻文本特征提取器，分别用于提取用户近期点击序列特征和新闻文本特征；残差gcn用于接收新闻文本特征输出新闻嵌入以及用户长期兴趣特征；用户热兴趣模块用于接收用户近期点击序列特征输出用户热兴趣特征；全连接神经网络用于将用户长期兴趣特征与用户热兴趣特征进行结合，结合后的结果作为用户的最终兴趣表示；步骤3、新闻推荐模型输出用户点击的预测结果：对于给定的用户和候选新闻，基于预设的输入数据格式，对候选新闻进行筛选和预处理得到新闻数据，将新闻数据输入完成训练的新闻推荐模型，新闻推荐模型输出用户的最终兴趣表示以及新闻嵌入，将用户的最终兴趣表示作为用户嵌入，利用用户嵌入与新闻嵌入计算得到用户点击候选新闻的概率值；最后根据所述概率值再选择候选新闻推荐给用户。2.如权利要求1所述方法，其特征在于，所述预处理包括过滤停用词以及新闻简介中无意义的实体和实体类型，再对过滤处理后得到的语料进行编码转换，采用独热编码的方式将单词初步转换为向量模式，最后将新闻文本向量作为预处理后的新闻数据。3.如权利要求1所述方法，其特征在于，所述新闻数据包含由阅读会话事件开始与结束的时间计算得出的用户停留时间、新闻标题单词序列、新闻概要实体的单词序列以及新闻正文的单词。

技术总结
本发明公开了一种基于用户兴趣建模的个性化新闻推荐方法，包括步骤：获得新闻文本数据，将文本数据进行预处理，删除停用词，向量化等操作；将向量化的新闻数据输送到文本特征提取器进行特征抽取，获得新闻特征；构建基于用户兴趣的新闻推荐模型，结合残差图卷积网络模块与用户热兴趣模块，输出用户点击概率；模型训练，模型训练基于交叉熵损失函数进行训练；对输入的一系列候选新闻的点击预测概率进行排序，输出设定好的前K篇新闻作为推荐结果。本发明用于用户个性化的新闻推荐，能有效提升推荐有效性。荐有效性。荐有效性。


技术研发人员：许毅 赵太银 解修蕊 罗光春 赵航 张博闻
受保护的技术使用者：电子科技大学
技术研发日：2022.08.31
技术公布日：2022/12/16