[发明专利]新闻推荐方法、装置、终端设备及存储介质

权利要求书

1.一种新闻推荐方法，其特征在于，包括：

获取用户的历史新闻点击信息和候选新闻，所述历史新闻点击信息包括不同点击新闻和对应的新闻点击序列；

将所述点击新闻和所述候选新闻分别输入语义提取网络；

根据所述语义提取网络对所述点击新闻和所述候选新闻进行特征提取，得到点击隐语义特征和候选隐语义特征；

将所述候选新闻加入所述新闻点击序列，生成目标点击序列；

将所述点击隐语义特征、所述候选隐语义特征和所述目标点击序列输入Transformer层；

根据所述Transformer层和所述目标点击序列中语义表征的排序对应提取所述点击隐语义特征或所述候选隐语义特征的特征信息，得到序列向量特征；

将所述序列向量特征输入多层神经网络，并根据所述多层神经网络中的激活层对所述序列向量进行激活运算；

采用以下公式，根据所述多层神经网络中的概率层对激活运算后的所述序列向量进行概率计算，得到点击概率：

y＝σ(W_sh_m+b_s)

σ是sigmoid函数，y是所述点击概率，W_s∈R^1×a，h_m∈R^a，b_s是预设误差，a是所述多层神经网络的隐层数量，h_m是经过所述多层神经网络激活计算后的所述序列向量，W_s是所述概率层的网络参数；

若所述点击概率大于概率阈值，则将所述候选新闻对用户进行推荐。

2.根据权利要求1所述的新闻推荐方法，其特征在于，所述根据所述语义提取网络对所述点击新闻和所述候选新闻进行特征提取，包括：

根据所述语义提取网络中的嵌入层分别对所述点击新闻和所述候选新闻中的标题和实体词进行特征提取，得到点击特征和候选特征；

根据所述语义提取网络中的Transformer层提取所述点击特征和所述候选特征的特征信息，得到点击向量特征和候选向量特征；

根据所述语义提取网络中的池化层对所述点击向量特征和所述候选向量特征进行池化处理，得到所述点击隐语义特征和所述候选隐语义特征。

3.根据权利要求2所述的新闻推荐方法，其特征在于，所述根据所述语义提取网络中的嵌入层分别对所述点击新闻和所述候选新闻中的标题和实体词进行特征提取，得到点击特征和候选特征，包括：

分别对所述点击新闻和所述候选新闻中的标题和实体词进行分词，得到点击标题分词、点击实体分词、候选标题分词和候选实体分词；

根据所述语义提取网络中的嵌入层对所述点击标题分词和所述点击实体分词进行特征提取，得到点击标题向量和点击实体向量；

对所述点击标题向量和所述点击实体向量进行向量组合，得到所述点击特征；

根据所述语义提取网络中的嵌入层对所述候选标题分词和所述候选实体分词进行特征提取，得到候选标题向量和候选实体向量；

对所述候选标题向量和所述候选实体向量进行向量组合，得到所述候选特征。

4.一种新闻推荐装置，其特征在于，用于实现如权利要求1-3任一项所述的新闻推荐方法，所述新闻推荐装置包括：

新闻获取单元，用于获取用户的历史新闻点击信息和候选新闻，所述历史新闻点击信息包括不同点击新闻和对应的新闻点击序列；

隐语义特征提取单元，用于分别提取所述点击新闻和所述候选新闻的隐语义特征，得到点击隐语义特征和候选隐语义特征；

向量特征提取单元，用于将所述候选新闻加入所述新闻点击序列，生成目标点击序列，并根据所述点击隐语义特征和所述候选隐语义特征提取所述目标点击序列的序列向量特征；

点击预测单元，用于根据所述序列向量特征对所述目标点击序列中的所述候选新闻进行点击预测，得到点击概率，若所述点击概率大于概率阈值，则将所述候选新闻对用户进行推荐。

5.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述方法的步骤。

6.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。