[发明专利]一种文章个性化推荐方法、系统、介质及设备

权利要求书

1.一种文章个性化推荐方法，其特征在于，包括：

提取文本库中所有文章的关键词；

根据所述关键词确定用于表征用户行为的用户向量中的各个元素；其中，所有用户的用户向量中的各个元素对应的关键词的顺序相同；

根据用户访问文本库的访问记录确定所述用户的用户向量中的各个元素的元素值；

所述根据用户访问文本库的访问记录确定所述用户的用户向量中的各个元素的元素值包括：

获取用户访问所述文本库时的用户行为数据；

根据所述用户行为数据分别计算每个关键词的权重占比值，其中，所述权重占比值为当前关键词的统计权重除以所有关键词的统计权重之和，所述当前关键词的统计权重为所述用户的所有用户行为数据的行为权重之和，其中，每一个用户行为数据对应一个行为权重；

利用tfidf算法确定每个所述关键词的idf值；

根据所述关键词的权重占比值和所述关键词的idf值确定所述关键词的tfidf值，根据所述tfidf值确定用户向量中各关键词对应元素的元素值；

根据不同用户的用户向量之间的相互关系进行文章推荐。

2.根据权利要求1所述的方法，其特征在于，所述根据不同用户的用户向量之间的相互关系进行文章推荐，具体包括：

利用聚类算法或分类算法对所有用户的用户向量进行处理，实现用户分组；

为当前用户推荐同组其他用户阅读的文章；

或者，

计算各个所述用户向量之间的相似度；

按照与当前用户的用户向量之间的相似度从大到小的顺序，为当前用户推荐其他用户阅读的文章。

3.根据权利要求1-2任一项所述的方法，其特征在于，在提取文本库中所有文章的关键词之后，还包括：

利用tfidf算法计算每个所述关键词的tf值和idf值；

根据每个所述关键词的所述tf值和所述idf值构建每篇文章的词列表向量，其中，不同文章的所述词列表向量中的各个元素对应的关键词的顺序相同；

根据所述词列表向量为用户推荐文章。

4.根据权利要求3所述的方法，其特征在于，所述根据所述词列表向量为用户推荐文章，具体包括：

利用聚类算法或分类算法对所述词列表向量进行处理，实现文章分组；

为当前用户推荐与其阅读的文章同组的其他文章；

或者，

计算各个所述词列表向量之间的相似度；

按照与当前用户阅读的文章的词列表向量之间的相似度从大到小的顺序，为当前用户推荐其他文章。

5.一种文章个性化推荐系统，其特征在于，包括：

提取模块，用于提取文本库中所有文章的关键词；

第一确定模块，用于根据所述关键词确定用于表征用户行为的用户向量中的各个元素；其中，所有用户的用户向量中的各个元素对应的关键词的顺序相同；

第二确定模块，用于根据用户访问文本库的访问记录确定所述用户的用户向量中的各个元素的元素值；

所述第二确定模块，具体包括：

获取单元，用于获取用户访问所述文本库时的用户行为数据；

第一计算单元，用于根据所述用户行为数据分别计算每个关键词的权重占比值，其中，所述权重占比值为当前关键词的统计权重除以所有关键词的统计权重之和，所述当前关键词的统计权重为所述用户的所有用户行为数据的行为权重之和，其中，每一个用户行为数据对应一个行为权重；

第一确定单元，用于利用tfidf算法确定每个所述关键词的idf值；

第二确定单元，用于根据所述关键词的权重占比值和所述关键词的idf值确定所述关键词的tfidf值，根据所述tfidf值确定用户向量中各关键词对应元素的元素值；

推荐模块，用于根据不同用户的用户向量之间的相互关系进行文章推荐。