[发明专利]一种文本推荐方法

权利要求书

1.一种文本推荐方法，其特征在于，具体包括以下步骤：

S1：预处理待推荐文档，提取文本信息中能代表文本信息的特征词及对应权重；

S2：根据提取出的特征词构成特征向量；

S3：根据用户历史阅读文档，采用均权技术建立用户模型；

S4：根据同义词词典计算特征向量间的中英文同义词对；

S5：根据Kuhn-Munkres算法计算特征向量间同义词的最优匹配，得到余弦夹角；

根据Kuhn-Munkres算法得到的特征向量间同义词的最优匹配为，

$OptimalMatch\left(X,Y\right)=\max {\Σ}_{i=0,j=0}^{n,m}{\mathrm{wx}}_i\·{\mathrm{wy}}_j\·Similarity\left(x_i,y_j\right),$

其中，X、Y分别表示两个向量中相互间存在同义词关系的特征词向量，wx_i表示用户向量模型中特征词x_i所对应的权重，wy_j表示用户向量模型中特征词y_j所对应的权重，Similarity(x_i，y_j)表示X向量中第i个特征词与Y向量中第j个特征词间的同义词相似度，n表示X向量中的特征词个数，m表示Y向量中的特征词个数；

根据特征向量间同义词的最优匹配得到余弦夹角：

$\begin{array}{c}Similarity(A,B)=\frac{A\·B}{\left|A\right|\·\left|B\right|}\\ =\frac{\underset{i,j\∈\left(0,\max \left(m,n\right)\right)}{\Σ}{\mathrm{wa}}_i\·{\mathrm{wb}}_j+OptimalMatch\left(X,Y\right)}{\sqrt{\underset{i=1}{\overset{m}{\Σ}}{{\mathrm{wa}}_i}^2+OptimalMatch\left(X,Y\right)}\·\sqrt{\underset{j=1}{\overset{n}{\Σ}}{{\mathrm{wb}}_j}^2+OptimalMatch\left(X,Y\right)}}\end{array}$

其中，为余弦夹角公式，A、B分别代表用户模型向量和文档特征向量；wa_i表示用户模型向量中特征词a_i所对应权重，i为常数变量且i＝1,2,...,m；wb_j表示用户模型向量中特征词b_j所对应权重，j为常数变量且j＝1,2,...,n；

S6：根据步骤S5得到的余弦夹角，计算待推荐文档与用户模型向量之间的相似程度；

S7：选取相似程度大于预先设定阈值的文档作为结果推荐给用户。