[发明专利]基于人工智能的资讯头条推荐方法及装置

权利要求书

1.一种基于人工智能的资讯头条推荐方法，其特征在于，包括：

获取用户特征属性；

根据特征属性映射关系表，将用户特征属性映射成特征属性对应的数值；

利用信息增益函数对映射成对应数值的特征属性进行提取，得出按照信息增益值进行筛选后的用户特征属性；

将按照信息增益值进行筛选后的用户特征属性输入预先建立的用户类别识别模型，预测得到所述用户的类别；所述用户类别识别模型根据多个用户类别的特征属性样本预先建立；

根据预测得到的所述用户的类别及用户点击资讯头条的历史行为数据，确定所述用户感兴趣的资讯头条类别；

将所述用户感兴趣的资讯头条类别下最新的资讯头条推荐给所述用户。

2.如权利要求1所述的基于人工智能的资讯头条推荐方法，其特征在于，还包括按照如下方法预先建立用户类别识别模型：

获取多个用户类别的特征属性样本；

根据特征属性映射关系表，将每一用户对应的特征属性映射成对应的数值；

利用信息增益函数对映射成对应数值的特征属性进行提取，得出按照信息增益值进行筛选后的用户特征属性，形成筛选后的用户特征属性样本；

将筛选后的用户特征属性样本分为训练集和测试集；

基于所述训练集，利用决策树分类算法训练模型，得到训练好的用户类别识别模型；

利用所述测试集测试优化所述训练好的用户类别识别模型，得到最优的用户类别识别模型。

3.如权利要求1所述的基于人工智能的资讯头条推荐方法，其特征在于，利用信息增益函数对映射成对应数值的特征属性进行提取，得出按照信息增益值进行筛选后的用户特征属性，包括：

利用信息增益函数对映射成对应数值的特征属性进行提取，得出按照信息增益值从大到小排序的前N个用户特征属性作为筛选后的用户特征属性；N为大于1的正整数。

4.如权利要求1所述的基于人工智能的资讯头条推荐方法，其特征在于，利用信息增益函数对映射成对应数值的特征属性进行提取，得出按照信息增益值进行筛选后的用户特征属性，包括：

利用信息增益函数对映射成对应数值的特征属性进行提取，得出信息增益值大于预设阈值的多个用户特征属性作为筛选后的用户特征属性。

5.如权利要求1所述的基于人工智能的资讯头条推荐方法，其特征在于，根据预测得到的所述用户的类别及用户点击资讯头条的历史行为数据，确定所述用户感兴趣的资讯头条类别，包括：

根据用户点击资讯头条的历史行为数据，确定所述用户对每一种感兴趣的资讯头条类别的喜爱程度；

按照用户对每一种感兴趣的资讯头条类别的喜爱程度，对用户感兴趣的资讯头条类别进行排序筛选，得到筛选后的用户感兴趣的资讯头条类别；

将所述用户感兴趣的资讯头条类别下最新的资讯头条推荐给所述用户，包括：将筛选后的用户感兴趣的资讯头条类别下最新的资讯头条推荐给所述用户。

6.一种基于人工智能的资讯头条推荐装置，其特征在于，包括：

获取单元，用于获取用户特征属性；

数据映射单元，用于根据特征属性映射关系表，将用户特征属性映射成特征属性对应的数值；

特征属性提取单元，用于利用信息增益函数对映射成对应数值的特征属性进行提取，得出按照信息增益值进行筛选后的用户特征属性；

用户类别预测单元，用于将按照信息增益值进行筛选后的用户特征属性输入预先建立的用户类别识别模型，预测得到所述用户的类别；所述用户类别识别模型根据多个用户类别的特征属性样本预先建立；

资讯头条类别确定单元，用于根据预测得到的所述用户的类别及用户点击资讯头条的历史行为数据，确定所述用户感兴趣的资讯头条类别；

推荐单元，用于将所述用户感兴趣的资讯头条类别下最新的资讯头条推荐给所述用户。