一种基于知识图谱的新闻推荐方法
基本信息
| 申请号 | CN202210266176.6 | 申请日 | - |
| 公开（公告）号 | CN114691855A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114691855A | 申请公布日 | 2022-07-01 |
| 分类号 | G06F16/335（2019.01）I;G06F16/36（2019.01）I;G06F40/279（2020.01）I;G06F40/258（2020.01）I;G06N3/04（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 杨晔;李平 | 申请（专利权）人 | 长沙理工大学 |
| 代理机构 | - | 代理人 | - |
| 地址 | 410000湖南省长沙市天心区万家丽南路2段960号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及推荐系统的新闻推荐领域，尤其是一种基于知识图谱的新闻推荐方法。1）根据新闻标题中的单词，找到其中所包含的知识实体，具体是通过实体链接技术和实体消歧技术找到新闻标题中包含的知识实体；2）使用词嵌入技术将新闻标题的单词序列转化为一组嵌入向量集，接着使用卷积神经网络提取标题的局部信息，然后使用一个基于新闻类别的注意力网络得到新闻标题的单词层面的表示；3）使用实体嵌入技术将新闻标题中包含的知识实体转化为实体向量，接着根据知识图谱的结构，使用消息传递机制，找到标题中包含的实体的邻居，最后使用消息聚合机制，将实体邻居的消息聚合起来，形成最后的新闻标题的知识层面的表示；4）根据第二步获得的单词层面的表示和第三步获得的知识层面的表示，获取新闻的最终表示；5）根据用户的历史点击新闻纪录和候选新闻，逐个计算历史新闻与候选新闻的相关性，以此获取不同历史新闻的权重，然后通过加权来获取用户表示；6）根据第四步计算的新闻表示和第五步计算的用户表示，通过内积操作来预测用户点击候选新闻的概率。 |
