[发明专利]一种新闻召回方法和系统

说明书

本发明公开了一种新闻召回方法和系统，通过获取用户点击新闻id序列作为用户特征，以及获取下一时刻用户点击的新闻id和未点击的新闻id作为标签，基于预先设置的预测模型对用户特征和标签进行训练，生成对应用户特征的多维向量，根据多维向量和下一时刻用户点击的新闻id、未点击的新闻id进行余弦相似度计算，得到对应多维向量的余弦相似度，基于多维向量对应的余弦相似度由大至小选取N个多维向量，确定N个多维向量对应的新闻id。通过上述方法，生成用户特征的多维向量，基于多维向量对应的余弦相似度的大小，确定多维向量对应的新闻id，得到用户感兴趣的新闻，通过召回用户感兴趣的新闻实现用户获取其兴趣度较高的新闻。

技术领域

本发明涉及深度学习技术领域，更具体地说，涉及一种新闻召回方法和系统。

背景技术

随着信息技术和互联网的飞速发展，网络新闻越来越受到人们的欢迎，成为人们日常生活中获取信息的一种主要途径。目前新闻召回是人们获取信息的方式之一。

新闻召回工作是新闻推荐领域中的一项重要工作，传统的新闻召回是利用用户过去点击过的标题和内容的关键词进行召回，并获取此关键词的相关新闻。

现有技术中，由于新闻篇数多，新闻的特征总量大，通过传统的新闻召回的新闻资讯，所得到的新闻资讯有些不符合用户兴趣。

发明内容

有鉴于此，本申请提供了一种新闻召回方法和系统，实现召回的新闻符合用户兴趣的目的。

为了实现上述目的，现提出的方案如下：

本发明第一方面公开了一种新闻召回方法，包括：

获取用户点击新闻id序列作为用户特征，以及获取下一时刻用户点击的新闻id和未点击的新闻id作为标签，下一时刻为所述用户点击新闻id序列中对应点击新闻id的最新时刻确定；

基于预先设置的预测模型对所述用户特征和所述标签进行训练，并对所述用户特征进行转换，生成对应所述用户特征的多维向量；

根据所述多维向量和所述下一时刻用户点击新闻id、未点击的新闻id进行余弦相似度计算，得到对应所述多维向量的余弦相似度；

基于所述多维向量对应的余弦相似度的大小，由大至小选取N个多维向量，确定所述N个多维向量对应的新闻id，其中，N的取值为大于等于2的正整数。

优选的，所述预先设置的预测模型的设置过程，包括：

构建原始神经网络模型；

获取预设数目的训练用户分别对应的用户点击的新闻id和未点击的新闻id；

将各个所述训练用户对应的用户点击的新闻id和未点击的新闻id依次输入至所述原始神经网络模型，得到各个所述训练用户对应的初始训练结果；

依据所述初始训练结果更新所述原始神经网络参数得到预测模型。

优选的，所述基于预先设置的预测模型对所述用户特征和所述标签进行训练，并对所述用户特征进行转换，生成对应所述用户特征的多维向量，包括：

在预先设置的预测模型的嵌入层中，基于lstm长短期记忆模型将所述用户特征转换成多维向量；

在预先设置的预测模型的输出层中，基于mlp多层感知机将所述多维向量进行投影，生成所述用户特征对应的多维向量。

优选的，所述根据所述多维向量和所述下一时刻用户点击的新闻id、未点击的新闻id进行余弦相似度计算，得到对应所述多维向量的余弦相似度，包括：

所述多维向量与所述下一时刻用户点击的新闻id进行余弦相似度计算，得到所述多维向量各自对应的第一余弦相似度；