[发明专利]新闻内容的推送方法及系统

说明书

技术领域

本发明涉及通信技术领域，尤其涉及一种新闻内容的推送方法及系统。

背景技术

现有的移动设备app的资讯板块多是通过抓取新闻源消息，加以简单分类、编辑后转发。这种现有方式的缺陷在于：一、新闻客户群不明确、针对性不强；二、新闻内容重复，以及直接复制会带来版权问题。

发明内容

本发明的主要目的在于提供一种新闻内容的推送方法及系统，旨在解决新闻客户群不明确、针对性不强以及新闻内容重复、容易产生版权纠纷的技术问题。

本发明提供的新闻内容的推送方法包括：

A、在用户通过客户端的浏览器系统访问新闻服务器阅读新闻内容时，所述客户端的新闻内容监控模块按照预先确定的分析模型分析并记录该用户阅读的新闻内容的属性数据，并实时或者定时将记录的新闻内容的属性数据发送给控制服务器；

B、所述控制服务器根据预先确定的分析规则对接收的该用户对应的新闻内容的属性数据进行分析，以分析出该用户对应的阅读标签，所述阅读标签包括偏好的新闻类别；

C、所述控制服务器实时或者定时从至少一个新闻服务器获取与该用户对应的阅读标签关联的新闻内容；

D、所述控制服务器将获取的新闻内容推送给该用户的所述客户端。

优选地，所述步骤D替换为：

所述控制服务器与多个社交服务器通信连接，确定出与该用户属于同一社交群组的其他用户；

所述控制服务器将获取的新闻内容推送给该用户的所述客户端，及/或，推送给确定出的其他用户的客户端。

优选地，于所述步骤B之后，该方法还包括：

所述控制服务器实时或者定时按照预先确定的阅读标签和业务类型的关联关系，确定出与该用户对应的阅读标签关联的业务，并将确定出的业务推送给该用户的所述客户端。

优选地，所述预先确定的分析模型为逻辑回归模型，所述逻辑回归模型的训练过程如下：

E、获取预设数量的新闻样本数据，并采用人工方式对该用户阅读的新闻进行分类，以获得各个分类对应的新闻样本数据集合，或者，通过预设的关键词搜集新闻，以获得各个预设关键词对应的新闻样本数据集合；

F、从各个所述新闻样本数据集合中提取出第一预设比例的新闻样本数据作为训练集，并将各个所述新闻样本数据集合中剩余的新闻样本数据作为测试集；

G、对训练集和测试集中的各个新闻样本进行分词处理；

H、对分词处理后的新闻文本特征提取，以提取出各个新闻文本中各个分词按照在文本中的预设类型特征，并将各个新闻文本对应的预设类型特征转化成所述逻辑回归模型的训练参数；

I、将训练集中的各个新闻文本对应的训练参数输入到所述逻辑回归模型中进行训练，以生成待用于进行新闻内容的属性数据分析的逻辑回归模型；

J、将测试集中的各个新闻文本对应的训练参数输入到生成的逻辑回归模型中以进行测试，若测试的准确率大于等于预设阈值，则结束训练，或者，若测试的准确率小于预设阈值，则增加新闻样本数据，并重新执行步骤F、G、H、I和J，直到测试的准确率大于等于预设阈值。

优选地，所述预先确定的分析规则包括：

若第一预设时间内，该用户针对一个新闻类别下的新闻内容的阅读次数大于第一预设阈值，则确定该新闻类别为偏好的新闻类别；

若第二预设时间内，该用户针对一个新闻类别下的新闻内容的阅读次数大于第二预设阈值，则确定该新闻类别为偏好的新闻类别，所述第二预设时间大于所述第一预设时间。

优选地，所述阅读标签还包括偏好的阅读时间段，所述预先确定的分析规则还包括：

若第三预设时间内，该用户在一个时间段，针对一个新闻类别下的新闻内容的阅读次数大于第三预设阈值，则确定该时间段是该用户针对该新闻类别的偏好的阅读时间段，所述第三预设时间与所述第一预设时间相同或者不同；

若第四预设时间内，该用户在一个时间段，针对所有新闻类别下的新闻内容的阅读次数大于第四预设阈值，则确定该时间段是该用户针对所有新闻类别的偏好的阅读时间段，所述第四预设时间与所述第一预设时间相同或者不同；

若第五预设时间内，该用户在一个时间段，针对一个新闻类别下的新闻内容的阅读次数大于第五预设阈值，则确定该时间段是该用户针对该新闻类别的偏好的阅读时间段，所述第五预设时间与所述第二预设时间相同或者不同；