[发明专利]一种文本推荐方法、系统、存储介质和设备

权利要求书

1.一种文本推荐方法，其特征在于，包括：

获取待推荐文本的关键词；

基于所述待推荐文本与已知属性文本的关键词，聚类所有待推荐文本；

根据所有待推荐文本的关键词与已知文本属性的关键词之间的距离，依次推荐文本；

其中，在聚类所有候选文本的过程中，考虑所有待推荐文本与已知属性文本的关键词之间的亲和度信息，将得到的亲和度与属性的权重相结合来构造基于维度亲和度的属性权重套索正则项，同时利用最大熵正则化，以实现属性权重的优化分布。

2.如权利要求1所述的文本推荐方法，其特征在于，所述亲和度信息采用非线性核函数来挖掘；其中，D_i表示第i个关键词，D_j表示第j个关键词，σ表示求解两个关键词相似度的一个核函数的参数。

3.如权利要求1所述的文本推荐方法，其特征在于，每一个文本的关键词就是每一条数据的特征。

4.如权利要求1所述的文本推荐方法，其特征在于，利用交替方向乘子法迭代优化属性权重，最终聚类出所有待推荐文本。

5.如权利要求1所述的文本推荐方法，其特征在于，所有关键词的亲和度构成的矩阵的对角线上的元素均为0。

6.一种文本推荐系统，其特征在于，包括：

关键词获取模块，其用于获取待推荐文本的关键词；

文本聚类模块，其用于基于所述待推荐文本与已知属性文本的关键词，聚类所有待推荐文本；

文本推荐模块，其用于根据所有待推荐文本的关键词与已知文本属性的关键词之间的距离，依次推荐文本；

其中，在所述文本聚类模块中聚类所有候选文本的过程中，考虑所有待推荐文本与已知属性文本的关键词之间的亲和度信息，将得到的亲和度与属性的权重相结合来构造基于维度亲和度的属性权重套索正则项，同时利用最大熵正则化，以实现属性权重的优化分布。

7.如权利要求6所述的文本推荐系统，其特征在于，所述亲和度信息采用非线性核函数来挖掘；其中，D_i表示第i个关键词，D_j表示第j个关键词，σ表示求解两个关键词相似度的一个核函数的参数。

8.如权利要求6所述的文本推荐系统，其特征在于，每一个文本的关键词就是每一条数据的特征。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的文本推荐方法中的步骤。

10.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-5中任一项所述的文本推荐方法中的步骤。