[发明专利]一种新闻热度预估方法及系统

说明书

本发明公开一种新闻热度预估方法及系统，相对于传统的基于统计的新闻热度打分系统而言，例如贝叶斯平滑等方法，本发明提出了基于深度和宽度学习构建冷启动新闻(即没有展示历史点击、曝光信息的新入库的新闻)的热度预估模型，并利用该模型对冷启动新闻进行热度预估的方案，基于深度和宽度学习训练模型的构思可使得模型取得准确率上的提升，且由于本发明方案能够实现对冷启动新闻进行热度预估，从而无需以新闻曝光为前提，且可加大高质量的冷启动新闻曝光的概率，并提高高质量冷启动新闻曝光的实时性。

技术领域

本发明属于新闻的个性化推荐领域，尤其涉及一种新闻热度预估方法及系统。

背景技术

在新闻个性化推荐领域中，往往需要对新闻热度进行计算打分，来实现对高热度新闻进行推荐。

传统的新闻热度计算方式多采用基于历史点击统计状况的热文评分技术，比如利用贝叶斯平滑的新闻热度计算等。具体地，热文评分技术，一般是通过对用户在文章的点击情况进行统计，进而对文章进行热度打分，也就是说，在该热文评分技术中，新闻必须有曝光才能计算分值。

众所周知，在新闻推荐领域中，新闻推荐的准确性和时效性是影响用户体验十分重要的因素之一，从而使得新闻热度计算的准确性与实时性尤为重要，而所述热文评分技术，由于需要以新闻曝光为前提，从而会大大降低新闻推送的时效性，同时对于曝光次数有限的文章其打分精度显然存在精度较低的问题，导致新闻推荐的置信度不高。

发明内容

有鉴于此，本发明的目的在于提供一种新闻热度预估方法及系统，旨在克服现有技术的热文评分技术在进行新闻热度评分时存在的时效性及准确性较低的问题，提高新闻推荐的时效性及置信度。

为此，本发明公开如下技术方案：

一种新闻热度预估方法，包括：

获取具有热度信息的历史新闻作为训练数据，并对训练数据进行预处理；

对预处理后的训练数据中的历史新闻进行词语向量化处理，得到历史新闻在语义层面上的新闻标题词的词向量、新闻关键词的词向量以及新闻主题词的词向量；其中，所述新闻标题词为对历史新闻的标题进行分词所得的词语，所述新闻主题词为对历史新闻的新闻全文数据对应的分词进行聚类所得的词语；

利用预定的第一深度神经网络、第二深度神经网络及第三深度神经网络，以一对一方式分别以所述新闻标题词的词向量、新闻关键词的词向量及新闻主题词的词向量为特征进行并行训练，得到基于深度和宽度学习的神经网络模型，并获得训练后输出的向量结果；所述向量结果包括：新闻标题在语义特征上的向量，新闻关键词在语义特征上的向量以及新闻主题在语义特征上的向量；

对所述向量结果包括的各种向量进行连接，得到连接向量，并以所述连接向量为特征，以历史新闻的热度信息为参考，利用预定分类算法训练新闻的热度预估模型；

利用所述热度预估模型，对存在热度预估需求的新闻进行热度预估。

上述方法，优选的，所述对训练数据进行预处理，包括：

对所述训练数据中的新闻内容进行超文本标记语言HTML标签过滤；

对去掉HTML标签的新闻内容中的标题部分、关键词部分及正文部分进行分词，得到新闻标题词、新闻关键词及新闻正文词；并对各分词结果进行编号。

上述方法，优选的，所述对预处理后的训练数据中的历史新闻进行词语向量化处理，得到历史新闻在语义层面上的新闻标题词的词向量、新闻关键词的词向量以及新闻主题词的词向量，包括：

利用预训练的词语转向量模型对历史新闻的新闻标题词、新闻关键词及新闻正文词进行向量化处理，得到历史新闻的在语义层面上的新闻标题词的词向量、新闻关键词的词向量以及新闻正文词的词向量；所述词语转向量模型为利用预定的词向量算法基于预训练时所使用文章中词的上下文预训练的模型；