公开(公告)号：CN109492157A

公开(公告)日：2019-03-19

申请号：CN201811245204.6

申请日：2018-10-24

Applicant: 华侨大学

Inventor： 缑锦 ,  李威 ,  王成 ,  张璐

IPC: G06F16/9535 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于RNN、注意力机制的新闻推荐方法及主题表征方法，将传统的主题模型与神经网络词向量结合，可有效提升新闻内容文本语义提取与表示的准确性；利用RNN网络刻画用户新闻浏览的序列性特征，可极大提升个性化新闻推荐内容的时效性；利用注意力机制区分不同新闻对推荐预测的影响力权重，可捕捉到用户兴趣迁移，提升个性化新闻推荐内容准确性与新颖性；最后，结合DBSCAN密度聚类算法的注意力机制，通过密度聚类对新旧话题进行启发式发现，利用主题聚类结果动态计算新闻的影响力权重，提升推荐话题的新颖性。

公开(公告)号：CN109492157B

公开(公告)日：2021-08-31

申请号：CN201811245204.6

申请日：2018-10-24

Applicant: 华侨大学

Inventor： 缑锦 ,  李威 ,  王成 ,  张璐

IPC: G06F16/9535 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于RNN、注意力机制的新闻推荐方法及主题表征方法，将传统的主题模型与神经网络词向量结合，可有效提升新闻内容文本语义提取与表示的准确性；利用RNN网络刻画用户新闻浏览的序列性特征，可极大提升个性化新闻推荐内容的时效性；利用注意力机制区分不同新闻对推荐预测的影响力权重，可捕捉到用户兴趣迁移，提升个性化新闻推荐内容准确性与新颖性；最后，结合DBSCAN密度聚类算法的注意力机制，通过密度聚类对新旧话题进行启发式发现，利用主题聚类结果动态计算新闻的影响力权重，提升推荐话题的新颖性。