[发明专利]一种文本推荐方法

说明书

技术领域

本发明属于文本分类领域，具体涉及一种文本推荐方法。

背景技术

随着信息时代的来临，为了从海量的文本中查找需要的信息，需要进行大量的阅读。传统的做法是对文本进行人工分类，并加以组织和整理，为人们提供一种相对有效的信息获取手段。但是，这种传统的文本分类的做法存在着许多弊端：一是耗费大量的人力，物力和精力；二是文本的分类方法不能满足所有用户的需求。这就要求我们探索文本个性化服务的有效方法，提高文本阅读效率。在此背景下，根据用户兴趣模型进一步筛选文档的算法——文本推荐算法应运而生。

一般的文本推荐首先要进行文本预处理，然后根据用户已读文档构建用户模型，最后按照一定的算法计算待推荐文档与用户兴趣模型之间的相关性，将相关性大于阀值的文档推荐给用户。

在实现上，目前文本推荐的主流做法是依照用户历史习惯建立用户模型，然后通过推荐算法计算用户模型与文本库中待推荐文档间的相符程度，将相符程度高于一定阀值的文档列表作为结果反馈给用户，完成推荐过程。目前常见的文本推荐算法如余弦夹角算法、Jaccard系数算法均仅考虑了特征词的严格匹配。但由于自然语言的灵活性，不同文档对同一事物的描述可能会使用意义相同的同义词，若在文本推荐过程中只考虑词形匹配，不考虑同义词匹配，必然会出现推荐结果覆盖率不全、准确率不高的问题。

发明内容

针对传统的文本推荐算法仅考虑了特征词的严格匹配，而未考虑其在语义上的相似性的缺点，本发明提出了一种文本推荐方法。

本发明的技术方案为：一种文本推荐方法，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，

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：

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；

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：选取相似程度大于阀值的文档作为结果推荐给用户。

本发明的有益效果：本发明的一种文本推荐方法，在现有的余弦夹角算法基础上考虑同义词对文本推荐的积极作用，提高推荐结果的覆盖率和准确率，具体为，在传统余弦算法基础上加入同义词间语义相似度的匹配因子，考虑文本同义词对相似度的影响，更精确的计算文本间、文本与用户模型间的相似程度，经实验验证，本发明的一种文本推荐方法较传统余弦夹角算法在准确率上平均有20％的提升，具有较好的实用价值。

附图说明

图1是现有技术文本文档预处理的流程图。

图2是本发明的文本推荐方法流程图。

图3是存在多对多同义词关系的两向量示意图。

具体实施方式

下面结合具体的实施例对本发明的内容作进一步的说明。

现有技术的处理流程如图1所示，在文本推荐中，非结构化的文本信息无法被直接用于推荐算法，需通过文本预处理提取文本信息中最能代表文本信息的特征词及对应权重。预处理文本信息包括建立向量空间模型、特征词提取以及停用词剔除。