CN102611785B - 面向手机的移动用户个性化新闻主动推荐服务系统及方法 - Google Patents

Abstract

本发明公开了一种面向手机的移动用户个性化新闻主动推荐服务系统，包括兴趣获取模块、位置获取模块、兴趣模型更新模块、主动推荐服务处理模块，其中，兴趣获取模块，用于确定出用户对新闻的偏好度；位置获取模块，用于根据对用户移动终端的定位信息，确定用户的当前位置；兴趣模型更新模块，用于对用户当前的新闻偏好度进行更新；主动推荐服务处理模块，用于为按设定算法为用户推荐新闻。本发明同时公开了一种面向手机的移动用户个性化新闻主动推荐服务方法。本发明能为用户推荐更适合于用户需求的新闻信息，真正实现了个性化的新闻推荐服务，使用户不必频繁翻动网页，即可获取最适合自己兴趣的新闻内容。

Description

面向手机的移动用户个性化新闻主动推荐服务系统及方法

技术领域

本发明涉及一种面向手机的移动用户个性化新闻主动推荐服务系统及方法。

背景技术

近年来，信息技术和网络技术的发展相当迅速，特别是无线网络通信技术以及互联网(Internet)技术的快速发展，使人们之间的交流方式和信息传播发生了革命性变化，为人们的生活、工作和科研带来了巨大的便利性。目前，Internet已经成为巨大的知识宝库和信息海洋，信息的指数增长也导致了“信息过载”和“信息迷向”。目前，移动网络以Internet作为信息来源，更加便捷地向移动用户提供各种信息。其中，新闻信息是一类时效性较高的信息，针对不同的读者，新闻信息的价值有很大的差别。传统的新闻投送方式不对读者进行区分，所有读者得到的新闻都是相同的。用户获得新闻信息的同时，不得不为很多对自己没有价值的内容付费并投入精力阅读、筛选。

从海量的新闻中查找需要的信息，需要进行大量的阅读。传统的做法是对新闻进行人工分类，并加以组织和整理，但这种传统的新闻分类方法不仅耗费人力、物力、精力，而且，由于所面向的用户群中的用户个体之间存在着巨大的差异性如职业、兴趣爱好、学历等导致的需求差异性，因此，对不同的用户而言，所提供的新闻信息很难满足自己的需求，或者，很难为具体的用户提供个性化需求的新闻信息。个性化新闻推荐是一种在实际运用中已经初见效果的方法，个性化推荐技术一般可以分为以下四类：一是基于规则的个性化信息推荐；二是基于内容的个性化信息推荐；三是基于协同过滤技术的个性化信息推荐；四就是基于内容和协同过滤混合型的个性化信息推荐。

个性化推荐是根据用户的兴趣特点和操作行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。

国内外的个性化推荐系统很多，具体来说比较典型的应用有如下几个：

亚马逊网络商店(Amazon.com)是一个成功的电子商务网站，它很早就认识到了一个优秀的推荐系统可以带来什么，直到现在依然是同类网站效仿的对象。亚马逊通过数据挖掘算法和比较机制将用户的消费偏好与其他用户进行对比，借以预测用户可能感兴趣的商品，这样的推荐系统建立在对商品深入了解的基础之上。亚马逊网络书店上的书籍和影音制品，即便是再偏门的品种，他们也被管理员赋予了多种类型(Genre)和关键词(Keyword)，而且用户还可以为它贴上自己中意的标签(Tag)。

个性化新闻服务网站iCurrent是针对Web用户的新闻推荐系统，利用iCurrent网站提供的服务，用户可获取符合自身兴趣爱好的网络资讯。举例来说，如果某位用户平常非常关注葡萄酒、国际新闻及捧球比赛，则可利用iCurrent的工具来创建此类资讯频道，iCurrent将自动向这名用户发送符合上述要求的网络资讯。用户注册后首先选择自己感兴趣的三个领域，然后才生成自己的主页。它要求用户主动提供感兴趣的领域才能向其推荐服务。

许多用户最熟悉的是音乐推送网站“潘多拉”(Pandora)。只要在“潘多拉”网站首页的播放器中输入用户最喜欢的歌手名字或者歌曲标题，网站就会自动建立一个网络电台，源源不断地播放最符合用户口味的曲目。用户喜欢或者不喜欢一首歌，可以点击相应的反馈按钮，让系统更明白自己的喜好。

以上都是一些典型的信息推荐系统，这些系统的推出，大大提高了电子商务活动的简便性和有效性，同时也提高了企业的服务水平，给用户带来了极大的方便。

随着移动通信技术和移动电子商务的迅速发展，我国成为拥有世界上最大的移动通信网络和移动用户市场的国家。移动互联网在我国的发展也相当迅速，尤其在最近两年，随着智能手机操作系统IPhone、Android、WinPhone7等的相继推出，移动通信和互联网定会成为当今世界发展最快、市场潜力最大、前景最诱人的两大业务，其增长速度之快是很难被预料的。

当今随着移动互联网飞速发展的时代，第三代(3G，3rd Generation)移动通信技术仍是目前移动互联网的代表，3G时代的移动互联网业务将向用户提供个性化、内容关联和交互作业的应用，其业务范围将涵盖信息、娱乐、旅游和个人信息管理等领域。随着语音处理技术的成熟，语音门户网站将使互联网的易用性达到新的水平。

基于以上的移动互联网背景，许多手机用户可以通过手机终端来获得自己感兴趣的新闻或者其它信息，因此为移动用户提供感兴趣的产品和服务也成为了个性化服务研究的一个热点。目前，个性化的信息推荐服务多见于互联网中，其一般实现方式都是通过事先设定一定的推荐规则，根据这些规则对推荐信息进行排序，并将排序后的信息推荐给各用户。可以说，目前的信息推荐技术发展尚不完善，很多所谓的信息推荐服务，也仅是尝试性地推出而已，并且，现有信息推荐技术仅涉及一般的信息，并不涉及专门的信息。例如，各门户网站提供的天气预报服务，各网站根据用户的互联网接入端口信息确定出用户当前所处的区域，并为该访问用户提供其接入端口所在地的天气情况。这种推荐服务仅是初级的个性化信息推荐，其主要是根据接入用户的接入地而区别提供相关的天气情况。仅就地域而言，信息推荐服务也只能是确定出用户的大概区域，如当前接入端口属于某个省域或某个市域等，并不能进一步确定出用户当前的具体位置，另外，仅凭位置信息，也很难从海量的信息中筛选出适合用户的个性化信息。况且，推荐服务面向移动用户时，情况就会复杂得多，首先，用户可能会不停地移动，用户位于当前位置时，可能会对与当前位置相关的信息感兴趣，如当前位置的交通状况、当前位置是否有交通管制措施、当前位置所在区域是否有重大新闻事件等；当然，这仅是与地域相关的信息推荐服务；由于最终面向的是具体用户，因此，需要了解用户对相关信息的关注程度，确定出不同用户之间的兴趣偏好，用户的职业，用户的受教育程度，用户的身份及其变化等。因此，个性化推荐服务特别是基于移动用户的个性化推荐服务，目前所面临的问题相当多，这也是目前该技术尚未面向用户的关键因素。

发明内容

有鉴于此，本发明的主要目的在于提供一种面向手机的移动用户个性化新闻主动推荐服务系统及方法，针对不同偏好的用户，为移动用户提供适合其自身喜好需求的新闻信息。

为达到上述目的，本发明的技术方案是这样实现的：

一种面向手机的移动用户个性化新闻主动推荐服务系统，其特征在于，所述系统包括兴趣获取模块、位置获取模块、兴趣模型更新模块、主动推荐服务处理模块，其中，

兴趣获取模块，用于根据用户的注册信息、以及用户的新闻浏览记录，用户对浏览新闻的评论结果确定出用户对新闻的偏好度；其中，用户的注册信息包括用户的用户名、性别、职业、爱好的信息；用户的浏览记录包括用户对某新闻信息的浏览时间、阅读时长、阅读次数、阅读速度、滚动滚动条次数的信息；评论结果包括对新闻的评论条数、对新闻的评分的信息；

位置获取模块，用于根据对用户移动终端的定位信息，确定用户的当前位置；并根据用户位置移动信息，确定出用户的可能目的地；或者，接收用户输入的位置信息，并将用户输入的位置信息作为新闻推荐关联的位置信息；

兴趣模型更新模块，用于接收到用户的新闻访问请求后，根据用户浏览新闻信息的浏览记录，对用户当前的新闻偏好度进行更新；

主动推荐服务处理模块，用于对新闻的评价信息进行统计，查找出与用户评价信息类似的新闻类型，为用户推荐所查找出的新闻类型；或者，获取用户的历史浏览新闻记录并选取最近的一条新闻，将其作为用户关注的项目，查询与该项目有正相关的所有用户；其中，正相关是指用户对新闻的偏好值大于一定的值；对查找得到的正相关用户群中每个用户进行正相关新闻的查询，并作为一个集合；将得到的新闻集合的中新闻按用户数量降序排列，选择用户数量高的若干新闻作为用户的推荐新闻；或者，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，查询该地区的新闻，并将新闻优先级高的新闻优先输出，上述地区存在上级地区时，则以上级地区作为推荐新闻的关联位置信息，查询该地区的新闻，并将新闻优先级高的新闻优先输出；或者，获取当前用户的关注新闻类别，获取某一新闻类别的关键字组，并获取该新闻类别中含有所获取关键字的新闻。

优选地，所述兴趣获取模块确定出用户对新闻的偏好度，具体为：

设用户i的平均阅读速度为Vi，Vi＝L/T，其中，T为用户i的总的阅读时间，L为用户i的阅读新闻的总长度；

用户i阅读新闻j的阅读速度关注度Rij定义如下：当t＞t1或t＜t2时，Rij＝0；当t1＜＝t＜＝t2时，Rij＝t×Vi/Lj＝(t/Lj)/(T/L)；其中，t1和t2为系统定义的阅读的最短和最长阅读时间值，如果用户阅读时间小于最小值t1或者大于最大值t2，则认为该次阅读的关注度为0；t为用户此次阅读新闻j的时间，Lj为新闻j的长度；

设用户i阅读过的新闻总长度为L，滑动滚动条总次数为N，则定义用户i的平均滑动滚动条频率为Fi＝Ni/Li；用户i阅读新闻j的滚动条关注度Fij定义如下：当n＝0时，Fij＝0；当n＞＝0时，Fij＝(n/Lj)/Fi＝(n/Lj)/(Ni/Li)；其中，n为用户i本次阅读新闻j滑动滚动条的次数，Lj为新闻j的长度；

设用户i阅读每条新闻的平均阅读时间为Ti，则Ti＝T/C；其中T为用户i总的阅读时间，C为用户i阅读过的新闻总条数；用户i阅读新闻j的时间关注度Tij定义如下：当t＞t1或t＜t2时，Tij＝0；当t1＜＝t＜＝t2时，Tij＝t/Ti＝t/(T/C)；其中，t为用户i阅读新闻j所用的时间，t1和t2分别为系统规定的有效的阅读时间的最小值和最大值；

用户i对新闻j的兴趣偏好度由下式确定：

Pij＝w1×Rij+w2×Fij+w3×Tij；其中，Pij为用户i对新闻j的兴趣偏好值，w1、w2、w3分别是三种关注度值贡献的权重，且w1+w2+w3＝1。

本发明面向手机的移动用户个性化新闻主动推荐服务系统还包括：设置单元，用于设置新闻关键字权重表以及用户兴趣关键字权重表，其中，新闻关键字权重表用于存储体现一条新闻主题的各个关键字及其权重值；用户兴趣关键字权重表用于记录用户对某类别新闻感兴趣的内容的关键字及其权值；

所述兴趣模型更新模块对用户当前的新闻偏好度进行更新，具体为：

设用户i对某新闻类别j的原始兴趣值为p1，用户最新阅读的该类别的一条新闻的兴趣值为p2，则此时要更新该新闻类别的兴趣值及该新闻类别的关键词权重；

更新新闻类别j的兴趣值如下式：Pj＝w×p1+p2；

更新除新闻类别j外的新闻类别兴趣值如下式：Pk＝w×Pk1；其中k为所有除j之外的新闻类别下标，Pk1为新闻类别k初始的兴趣值，w为时间衰减系数；

对于单条新闻的关键字权重表的每个关键字权值乘以用户对该新闻的兴趣值，以体现用户浏览的该条新闻的兴趣值对于用户对新闻类别的兴趣影响；

对于该条新闻的所属类别的关键字权重表中每个关键字权值乘以一个时间衰减系数，体现随着时间的流逝，用户兴趣的转移方向；

查询新闻的关键字权重表和新闻类别的关键字权重表中的所有关键字是否有相同的，若存在相同的关键字，则新闻类别的该关键字权值更新为两个相同关键字的权值的和，删除单条新闻的关键字表中的该关键字；

将新闻的关键字权重表和新闻类别的关键字权重表中的所有关键字按照权值大小进行排序，选取前N个高权值的关键字作为新闻类别的关键字权重表中的内容，其中，N为设定的确定值。

优选地，所述设置单元进一步设置新闻优先级为公共级、热点级、推荐级、选定级；其中，公共级适用于重大公共安全事件或行政强制要求内容；选定级适用于被用户选定必读的内容；不属于公共级及选定级的新闻内容默认是推荐级；热点级是短期内受关注程度快速上升的内容，热点级的优先级仅低于公共级。

优选地，所述主动推荐服务处理模块进一步与交通信息平台连接，用于获取实时的交通新闻信息，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，将交通信息中包含上述用户当前所在地、常驻地、潜在目的地中的至少一种信息的新闻作为推荐级新闻信息推荐给用户；以及，根据用户的行进线路，为用户搜索当前行进线路上的实时交通信息，并作为推荐级新闻信息推荐给用户。

优选地，所述主动推荐服务处理模块进一步与天气信息平台连接，用于获取实时的天气新闻信息，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，将天气新闻信息中包含上述用户当前所在地、常驻地、潜在目的地中的至少一种信息的新闻作为推荐级新闻信息推荐给用户。

一种面向手机的移动用户个性化新闻主动推荐服务方法，所述方法包括：

根据用户的注册信息、以及用户的新闻浏览记录，用户对浏览新闻的评论结果确定出用户对新闻的偏好度；其中，用户的注册信息包括用户的用户名、性别、职业、爱好的信息；用户的浏览记录包括用户的对某新闻信息的浏览时间、阅读时长、阅读次数、阅读速度、滚动滚动条次数的信息；评论结果包括对新闻的评论条数、对新闻的评分的信息；根据对用户移动终端的定位信息，确定用户的当前位置；并根据用户位置移动信息，确定出用户的可能目的地；或者，接收用户输入的位置信息，并将用户输入的位置信息作为新闻推荐关联的位置信息；

接收到用户的新闻访问请求后，根据用户浏览新闻信息的浏览记录，对用户当前的新闻偏好度进行更新；

对新闻的评价信息进行统计，查找出与用户评价信息类似的新闻类型，为用户推荐所查找出的新闻类型；或者，获取用户的历史浏览新闻记录并选取最近的一条新闻，将其作为用户关注的项目，查询与该项目有正相关的所有用户；其中，正相关是指用户对新闻的偏好值大于一定的值；对查找得到的正相关用户群中每个用户进行正相关新闻的查询，并作为一个集合；将得到的新闻集合的中新闻按用户数量降序排列，选择用户数量高的若干新闻作为用户的推荐新闻；或者，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，查询该地区的新闻，并将新闻优先级高的新闻优先输出，上述地区存在上级地区时，则以上级地区作为推荐新闻的关联位置信息，查询该地区的新闻，并将新闻优先级高的新闻优先输出；或者，获取当前用户的关注新闻类别，获取某一新闻类别的关键字组，并获取该新闻类别中含有所获取关键字的新闻。

优选地，所述确定出用户对新闻的偏好度，具体为：

设用户i的平均阅读速度为Vi，Vi＝L/T，其中，T为用户i的总的阅读时间，L为用户i的阅读新闻的总长度；

用户i阅读新闻j的阅读速度关注度Rij定义如下：当t＞t1或t＜t2时，Rij＝0；当t1＜＝t＜＝t2时，Rij＝t×Vi/Lj＝(t/Lj)/(T/L)；其中，t1和t2为系统定义的阅读的最短和最长阅读时间值，如果用户阅读时间小于最小值t1或者大于最大值t2，则认为该次阅读的关注度为0；t为用户此次阅读新闻j的时间，Lj为新闻j的长度；

设用户i阅读过的新闻总长度为L，滑动滚动条总次数为N，则定义用户i的平均滑动滚动条频率为Fi＝Ni/Li；用户i阅读新闻j的滚动条关注度Fij定义如下：当n＝0时，Fij＝0；当n＞＝0时，Fij＝(n/Lj)/Fi＝(n/Lj)/(Ni/Li)；其中，n为用户i本次阅读新闻j滑动滚动条的次数，Lj为新闻j的长度；

设用户i阅读每条新闻的平均阅读时间为Ti，则Ti＝T/C；其中T为用户i总的阅读时间，C为用户i阅读过的新闻总条数；用户i阅读新闻j的时间关注度Tij定义如下：当t＞t1或t＜t2时，Tij＝0；当t1＜＝t＜＝t2时，Tij＝t/Ti＝t/(T/C)；其中，t为用户i阅读新闻j所用的时间，t1和t2分别为系统规定的有效的阅读时间的最小值和最大值；

用户i对新闻j的兴趣偏好度由下式确定：

Pij＝w1×Rij+w2×Fij+w3×Tij；其中，Pij为用户i对新闻j的兴趣偏好值，w1、w2、w3分别是三种关注度值贡献的权重，且w1+w2+w3＝1。

优选地，所述方法还包括：

设置新闻关键字权重表以及用户兴趣关键字权重表，其中，新闻关键字权重表用于存储体现一条新闻主题的各个关键字及其权重值；用户兴趣关键字权重表用于记录用户对某类别新闻感兴趣的内容的关键字及其权值；

所述对用户当前的新闻偏好度进行更新，具体为：

设用户i对某新闻类别j的原始兴趣值为p1，用户最新阅读的该类别的一条新闻的兴趣值为p2，则此时要更新该新闻类别的兴趣值及该新闻类别的关键词权重；

更新新闻类别j的兴趣值如下式：Pj＝w×p1+p2；

更新除新闻类别j外的新闻类别兴趣值如下式：Pk＝w×Pk1；其中k为所有除j之外的新闻类别下标，Pk1为新闻类别k初始的兴趣值，w为时间衰减系数；

对于单条新闻的关键字权重表的每个关键字权值乘以用户对该新闻的兴趣值，以体现用户浏览的该条新闻的兴趣值对于用户对新闻类别的兴趣影响；

对于该条新闻的所属类别的关键字权重表中每个关键字权值乘以一个时间衰减系数，体现随着时间的流逝，用户兴趣的转移方向；

查询新闻的关键字权重表和新闻类别的关键字权重表中的所有关键字是否有相同的，若存在相同的关键字，则新闻类别的该关键字权值更新为两个相同关键字的权值的和，删除单条新闻的关键字表中的该关键字；

将新闻的关键字权重表和新闻类别的关键字权重表中的所有关键字按照权值大小进行排序，选取前N个高权值的关键字作为新闻类别的关键字权重表中的内容，其中，N为设定的确定值。

优选地，所述方法还包括：

设置新闻优先级为公共级、热点级、推荐级、选定级；其中，公共级适用于重大公共安全事件或行政强制要求内容；选定级适用于被用户选定必读的内容；不属于公共级及选定级的新闻内容默认是推荐级；热点级是短期内受关注程度快速上升的内容，热点级的优先级仅低于公共级。

获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，将获取的实时的交通新闻信息中包含上述用户当前所在地、常驻地、潜在目的地中的至少一种信息的新闻作为推荐级新闻信息推荐给用户；以及，根据用户的行进线路，为用户搜索当前行进线路上的实时交通信息，并作为推荐级新闻信息推荐给用户；

或者，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，将所获取的实时的天气新闻信息中包含上述用户当前所在地、常驻地、潜在目的地中的至少一种信息的新闻作为推荐级新闻信息推荐给用户。

本发明中，当移动终端用户处于不同的地理位置，感兴趣的新闻内容就有可能不同，本发明依据用户对当前所在地及常居地的新闻信息兴趣程度较高的原则，推荐过程中考虑了用户当前所在地、用户常居地以及用户潜在目的地等位置信息，根据这些位置信息来对用户进行推荐，这就更加的确定了用户的情景信息，这样推荐也会更加准确。另外，用户的兴趣有长期兴趣和短期兴趣之分，长期兴趣就是用户稳定的感兴趣的内容，短期兴趣就是用户对某个特定时期某些特定事件产生兴趣，如一个对体育新闻并不是很感兴趣的人可能在奥运会期间对体育新闻关注的更多，而过了这个时期后，可能用户就不在关注体育新闻了。该系统在计算用户兴趣偏好值及其计算关键词权重值的过程中都加入了时间衰减系数这一因素，这样就能更快的体现出用户兴趣转移，能够使系统在最短时间内向用户最近期其感兴趣的新闻。

本发明主要利用用户浏览新闻的链接信息、浏览新闻的时长、点击次数、滚动条滑动次数等信息来计算用户对该类新闻的兴趣值，在计算的过程中考虑到了有效浏览和无效浏览之分，用户打开了一条新闻链接并认真阅读了新闻内容，这是一个有效浏览，而用户打开了一条新闻链接很快的又关闭了，这是一个无效浏览，假定无效浏览是用户对该类别的新闻不感兴趣。对于有效浏览进行兴趣建模，增加用户对该类别的兴趣值，而对于无效浏览，即用户对该新闻不感兴趣，也对其进行处理：减少用户该新闻的兴趣值，这样就更充分利用了用户浏览数据。

由于本发明采用的是主动服务模式，是整合众多新闻信息，根据特定的用户需求或者用户需求定制来向用户主动提供各种新闻信息，最终要实现新闻信息的智能化、个性化与综合化。主动服务更加注重服务的过程性，它强调为用户提供智能、个性化的服务；推荐服务更加注重推荐的结果的准确性，以及如何改进推荐算法，以提供推荐的准确性。主动服务不仅能为用户提供个性化、综合化服务，在安全和管理方面，主动服务也可根据用户和系统需要，提供诸如身份识别认证与管理、访问控制、访问控制策略映射机制、数据完整性服务、可靠性认证服务等功能，而且这些服务和功能的类别与层次都可根据需要而变化；而推荐服务仅仅涉及到为用户提供个性化、智能化的服务。主动服务可以整合多种新闻信息，根据用户需求或者用户定制的服务，向用户提供多种新闻信息；而推荐服务往往是针对某一种新闻信息或者Web产品根据用户对该新闻信息的兴趣模型进行推荐。

附图说明

图1为本发明面向手机的移动用户个性化新闻主动推荐服务系统的组成结构示意图；

图2为本发明计算用户兴趣偏好度的流程图；

图3为本发明兴趣模型更新流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下举实施例并参照附图，对本发明进一步详细说明。

图1为本发明面向手机的移动用户个性化新闻主动推荐服务系统的组成结构示意图，如图1所示，本发明面向手机的移动用户个性化新闻主动推荐服务系统包括兴趣获取模块、位置获取模块、兴趣模型更新模块、主动推荐服务处理模块，其中，

兴趣获取模块，用于根据用户的注册信息、以及用户的新闻浏览记录，用户对浏览新闻的评论结果确定出用户对新闻的偏好度；其中，用户的注册信息包括用户的用户名、性别、职业、爱好的信息；用户的浏览记录包括用户的对某新闻信息的浏览时间、阅读时长、阅读次数、阅读速度、滚动滚动条次数的信息；评论结果包括对新闻的评论条数、对新闻的评分的信息；

位置获取模块，用于根据对用户移动终端的定位信息，确定用户的当前位置；并根据用户位置移动信息，确定出用户的可能目的地；或者，接收用户输入的位置信息，并将用户输入的位置信息作为新闻推荐关联的位置信息；

兴趣模型更新模块，用于接收到用户的新闻访问请求后，根据用户浏览新闻信息的浏览记录，对用户当前的新闻偏好度进行更新；

主动推荐服务处理模块，用于对新闻的评价信息进行统计，查找出与用户评价信息类似的新闻类型，为用户推荐所查找出的新闻类型；或者，获取用户的历史浏览新闻记录并选取最近的一条新闻，将其作为用户关注的项目，查询与该项目有正相关的所有用户；其中，正相关是指用户对新闻的偏好值大于一定的值；对查找得到的正相关用户群中每个用户进行正相关新闻的查询，并作为一个集合；将得到的新闻集合的中新闻按用户数量降序排列，选择用户数量高的若干新闻作为用户的推荐新闻；或者，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，查询该地区的新闻，并将新闻优先级高的新闻优先输出，上述地区存在上级地区时，则以上级地区作为推荐新闻的关联位置信息，查询该地区的新闻，并将新闻优先级高的新闻优先输出；或者，获取当前用户的关注新闻类别，获取某一新闻类别的关键字组，并获取该新闻类别中含有所获取关键字的新闻。

以下对本发明移动用户个性化新闻主动推荐服务系统中上述各处理模块的功能作进一步详细描述。

上述兴趣获取模块使用JavaScript脚本来获取用户浏览页面的详细情况，该套脚本被站点的每一个页面使用。用户浏览页面的具体情况包括用户当前的位置信息、用户点击了的链接信息、用户阅读新闻的时间、用户阅读新闻过程中滑动滚动条的次数等信息。

图2为本发明兴趣模型更新流程图，如图2所示，兴趣模型更新模块对用户兴趣行为的更新具体包括以下步骤：

步骤A1：从兴趣行为获取模块获取阅读行为，包括点击阅读、阅读速度、阅读行为等，根据兴趣度公式计算用户对新闻的偏好值。判读该次阅读是否为有效阅读，如是则转步骤B1，否则结束。

步骤B1：判断新闻是否是用户的个性化推荐新闻，若是，则更新推荐规则表。

步骤C1：根据新闻的分类信息，将用户对单篇新闻的兴趣度值按照时间衰减加权公式分配到每个新闻分类上，计算用户对新闻分类的偏好值。

步骤D1：根据用户对每个新闻分类的偏好值，依据特定公式，更新用户对新闻类别的偏好表。根据新闻的关键词权重表，更新该新闻所处新闻类别的关键词权重表。

步骤E1：对用户的新闻偏好表进行整理，获得用户的兴趣模型。

设用户i的平均阅读速度为Vi，Vi＝L/T，其中，T为用户i的总的阅读时间，L为用户i的阅读新闻的总长度；

用户i阅读新闻j的阅读速度关注度Rij定义如下：当t＞t1或t＜t2时，Rij＝0；当t1＜＝t＜＝t2时，Rij＝t×Vi/Lj＝(t/Lj)/(T/L)；其中，t1和t2为系统定义的阅读的最短和最长阅读时间值，如果用户阅读时间小于最小值t1或者大于最大值t2，则认为该次阅读的关注度为0；t为用户此次阅读新闻j的时间，Lj为新闻j的长度；

设用户i阅读过的新闻总长度为L，滑动滚动条总次数为N，则定义用户i的平均滑动滚动条频率为Fi＝Ni/Li；用户i阅读新闻j的滚动条关注度Fij定义如下：当n＝0时，Fij＝0；当n＞＝0时，Fij＝(n/Lj)/Fi＝(n/Lj)/(Ni/Li)；其中，n为用户i本次阅读新闻j滑动滚动条的次数，Lj为新闻j的长度；

设用户i阅读每条新闻的平均阅读时间为Ti，则Ti＝T/C；其中T为用户i总的阅读时间，C为用户i阅读过的新闻总条数；用户i阅读新闻j的时间关注度Tij定义如下：当t＞t1或t＜t2时，Tij＝0；当t1＜＝t＜＝t2时，Tij＝t/Ti＝t/(T/C)；其中，t为用户i阅读新闻j所用的时间，t1和t2分别为系统规定的有效的阅读时间的最小值和最大值；

用户i对新闻j的兴趣偏好度由下式确定：

Pij＝w1×Rij+w2×Fij+w3×Tij；其中，Pij为用户i对新闻j的兴趣偏好值，w1、w2、w3分别是三种关注度值贡献的权重，且w1+w2+w3＝1。

本发明移动用户个性化新闻主动推荐服务系统还包括：设置单元，用于设置新闻关键字权重表以及用户兴趣关键字权重表，其中，新闻关键字权重表用于存储体现一条新闻主题的各个关键字及其权重值；用户兴趣关键字权重表用于记录用户对某类别新闻感兴趣的内容的关键字及其权值；

图2为本发明计算用户兴趣偏好度的流程图，如图2所示，所述兴趣模型更新模块对用户当前的新闻偏好度进行更新，具体为：

设用户i对某新闻类别j的原始兴趣值为p1，用户最新阅读的该类别的一条新闻的兴趣值为p2，则此时要更新该新闻类别的兴趣值及该新闻类别的关键词权重；

更新新闻类别j的兴趣值如下式：Pj＝w×p1+p2；

更新除新闻类别j外的新闻类别兴趣值如下式：Pk＝w×Pk1；其中k为所有除j之外的新闻类别下标，Pk1为新闻类别k初始的兴趣值，w为时间衰减系数；

对于单条新闻的关键字权重表的每个关键字权值乘以用户对该新闻的兴趣值，以体现用户浏览的该条新闻的兴趣值对于用户对新闻类别的兴趣影响；

对于该条新闻的所属类别的关键字权重表中每个关键字权值乘以一个时间衰减系数，体现随着时间的流逝，用户兴趣的转移方向；

查询新闻的关键字权重表和新闻类别的关键字权重表中的所有关键字是否有相同的，若存在相同的关键字，则新闻类别的该关键字权值更新为两个相同关键字的权值的和，删除单条新闻的关键字表中的该关键字；

将新闻的关键字权重表和新闻类别的关键字权重表中的所有关键字按照权值大小进行排序，选取前N个高权值的关键字作为新闻类别的关键字权重表中的内容。

主动推荐服务处理模块进一步使用三种不同的推荐策略，分别是基于项目的协同过滤、位置过滤与基于类别的内容过滤。

协同过滤技术广泛应用于当前的电子商务个性化推荐系统，是一种较为成熟的推荐技术。协同过滤基于与目标用户有相似兴趣偏好的其他用户对某个项目的评价来判断该项目对目标用户是否有价值，然后决定是否把此项目推荐给目标用基于协同过滤的个性化推荐算法的优化和应用户。

具体的，系统中新闻类别的数量在一定时期内是确定的，用N表示这个数量。系统的所有类别对每个用户来说都是相同的，不存在某个用户的新闻类别比其他用户多或少，所以每个用户都可以建立一个维数是N的向量A_p，向量的下标p表示系统中的第p个用户。

N维向量A_p的第k维存放的是某一用户对新闻类别中的第k个类别的偏好度。偏好度可以从用户的偏好表中查到，它是一个正的浮点数。偏好度越高，表示该用户对某一个新闻类别越关注。偏好表不会存储用户的完全不关注的新闻类别，所以当查不到用户对某一新闻类别的记录时，说明用户完全不关注该新闻类别。用偏好度为0表示用户完全不关注某一新闻类别。此时，在N维向量A_p中，将该新闻类别对应的维度的值赋予0。例如，当系统中只有两个新闻类别“时政”与“体育”时，N＝2，第p个用户对“时政”类别的偏好度是2.47，而不存在对“体育”类别的偏好度记录，那么向量A_p＝{2.47，0}。

计算两个用户(第p个用户与第q个用户)之间的相似度sim(A_p，A_q)的公式是

$\mathrm{sim}(A_p,A_q)=\frac{{\mathrm{\Σ}}_{k=1}^N\left((A_{p,k}-\stackrel{\‾}{A_p})(A_{p,k}-\stackrel{\‾}{A_q})\right)}{\sqrt{{\mathrm{\Σ}}_{k=1}^N\left({(A_{p,k}-\stackrel{\‾}{A_p})}^2\right)}\sqrt{{\mathrm{\Σ}}_{k=1}^N\left({(A_{q,k}-\stackrel{\‾}{A_q})}^2\right)}}---\left(1\right)$

其中

表示向量A_p的平均值，A_q，k表示向量A_p的第p维的值。

利用公式(1)逐次计算出某一用户与其他所在用户的相似度，选取其中相似度最大的若干个用户作为该用户的相似用户。最后查找相似用户已读过的新闻，从这些新闻删去被推荐用户已读过的新闻，剩下的新闻输出给被推荐用户。需要指出的是，多个相似用户可能读过相同的新闻，那么这条新闻应优先输出给被推荐用户，某一新闻被越多的相似用户阅读过，则它越优先输出给被推荐用户。

上述过程的具体步骤如下：

步骤a、从数据库中查询出新闻类别总数N；

步骤b、为系统中每个用户建立一个N维的向量，向量的各维对应各个新闻类别，各维的值等于该用户对应各新闻类别的偏好度的值；

步骤c、选定第p个用户作为被推荐用户；

步骤d、利用上述公式(1)计算被推荐用户与系统中其他用户的相似度，选取相似度最大的若干个用户作为被推荐用户的相似用户。

步骤e、从用户阅读记录表中查询最近的一段时间(一周或一天)内相似用户的阅读过的新闻。

步骤f、从步骤e中得到的新闻中删去被推荐用户已读过的新闻，余下的新闻中如果不存在重复的新闻，则按新闻发布时间由近到远，选择若干条新闻输出给被推荐用户；如果存在重复的新闻，则重复次数越多的新闻越优先输出给被推荐用户。

本发明中，系统中基于项目的协同过滤方法中的项目专指新闻。基于项目的协同过滤方法针对某一项目得到它的所有用户，再找出这些用户偏好的其他项目，被找出的项目作为原项目的相关项目被推荐给用户。

基于项目的协同过滤的具体步骤如下：

步骤a1、得到某一用户的历史浏览新闻记录，从历史浏览记录中选取最近的一条新闻，把它定为用户目前关注的项目，执行步骤b1；若用户没有历史记录，结束。

步骤b1、查询与该项目有正相关的所有用户。系统中的正相关是指用户对新闻的偏好值大于一定的值。偏好模型中的偏好值反映用户对新闻喜欢的程度，值越高则表示用户越喜欢该新闻；若没有正相关的用户，结束。

步骤c1、分别对步骤b1得到的用户群中每个用户查询他们的正相关新闻，把它们放在同一个集合中；若没有正相关的新闻，结束。

步骤d1、将步骤c1中得到的新闻集合的中新闻按用户数量降序排列，选择用户数量高的若干新闻，算法结束。

位置过滤选取与用户的位置有关的新闻。本发明中的用户位置分为三种：当前所在地、常驻地、潜在目的地。当前所在正是用户通过移动终端访问系统时的地区。获得该地区的方法是通过基站查找，即将与移动终端通信的基站的坐标视为移动终端的坐标。通过调和移动运营商提供的功能应用程序接口(API)，系统获取并记录用户的当前所在地。用户位置变化后，系统中记录的用户位置也随之变化。

常驻地是用户经常活动的地区，系统允许用户手工添加与修改。

潜在目的地是系统从用户浏览记录中提取的，它来自用户关注的新闻的相关地区，潜在目的地可以是一个或多个。例如，根据用户的行进方向以及行进路线，即可确定出用户当前行进的可能目的地，即用户所途径的各区域以及根据用户的相关信息来确定出用户可能的目的地。如某行进方向有旅游景点且用户爱好旅游时，可将与该目的地为该景点相关的新闻推荐给用户。

位置过滤的具体步骤如下：

步骤a2、获取位置类型，它是当前所在地、常驻地、潜在目的地中的一种。

步骤b2、查询该地区的新闻。新闻优先级高的新闻优先输出，执行步骤c2；

步骤c2、若该地区的上级地区存在，则以上级地区作为本地区，执行步骤b2继续查询；若上级地区不存在，则结束流程。

基于类别的内容过滤，具体是指将新闻按内容分在不同的类别里，同一类别下的新闻用关键字来标识，用户若一个或多个类别及关键字时，则系统向用户推荐这个或这些类别中关键字相同的新闻。

基于类别的内容过滤的具体步骤如下：

步骤a3、获取当前用户的关注新闻类别，执行步骤b3；若为新用户，没有历史阅读记录，则结束；

步骤b3、获取某一新闻类别的关键字组，执行步骤c3；

c3、获取该新闻类别中含有b3中关键字的新闻；若新闻类别是多个时，重复b3与c3，直至得到所有新闻类别下包含关键字的新闻。

本发明上述设置单元进一步设置新闻优先级为公共级、热点级、推荐级、选定级；其中，公共级适用于重大公共安全事件或行政强制要求内容；选定级适用于被用户选定必读的内容；不属于公共级及选定级的新闻内容默认是推荐级；热点级是短期内受关注程度快速上升的内容，热点级的优先级仅低于公共级。

上述主动推荐服务处理模块进一步与交通信息平台连接，用于获取实时的交通新闻信息，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，将交通信息中包含上述用户当前所在地、常驻地、潜在目的地中的至少一种信息的新闻作为推荐级新闻信息推荐给用户；以及，根据用户的行进线路，为用户搜索当前行进线路上的实时交通信息，并作为推荐级新闻信息推荐给用户。

上述主动推荐服务处理模块进一步与天气信息平台连接，用于获取实时的天气新闻信息，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，将天气新闻信息中包含上述用户当前所在地、常驻地、潜在目的地中的至少一种信息的新闻作为推荐级新闻信息推荐给用户。

本发明同时公开了一种移动用户个性化新闻主动推荐服务方法，具体实现方式参见前述移动用户个性化新闻主动推荐服务系统的相关描述，这里不再赘述其实现细节。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (8)

1.一种面向手机的移动用户个性化新闻主动推荐服务系统，其特征在于，所述系统包括兴趣获取模块、位置获取模块、兴趣模型更新模块、主动推荐服务处理模块，其中，

兴趣获取模块，用于根据用户的注册信息、以及用户的新闻浏览记录，用户对浏览新闻的评论结果确定出用户对新闻的偏好度；其中，用户的注册信息包括用户的用户名、性别、职业、爱好的信息；用户的浏览记录包括用户对某新闻信息的浏览时间、阅读时长、阅读次数、阅读速度、滚动滚动条次数的信息；评论结果包括对新闻的评论条数、对新闻的评分的信息；

位置获取模块，用于根据对用户移动终端的定位信息，确定用户的当前位置；并根据用户位置移动信息，确定出用户的可能目的地；或者，接收用户输入的位置信息，并将用户输入的位置信息作为新闻推荐关联的位置信息；

兴趣模型更新模块，用于接收到用户的新闻访问请求后，根据用户浏览新闻信息的浏览记录，对用户当前的新闻偏好度进行更新；

主动推荐服务处理模块，用于对新闻的评价信息进行统计，查找出与用户评价信息类似的新闻类型，为用户推荐所查找出的新闻类型；或者，获取用户的历史浏览新闻记录并选取最近的一条新闻，将其作为用户关注的项目，查询与该项目有正相关的所有用户；其中，正相关是指用户对新闻的偏好值大于一定的值；对查找得到的正相关用户群中每个用户进行正相关新闻的查询，并作为一个集合；将得到的新闻集合的中新闻按用户数量降序排列，选择用户数量高的若干新闻作为用户的推荐新闻；或者，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，查询该地区的新闻，并将新闻优先级高的新闻优先输出，上述地区存在上级地区时，则以上级地区作为推荐新闻的关联位置信息，查询该地区的新闻，并将新闻优先级高的新闻优先输出；或者，获取当前用户的关注新闻类别，获取某一新闻类别的关键字组，并获取该新闻类别中含有所获取关键字的新闻；

所述兴趣获取模块确定出用户对新闻的偏好度，具体为：

设用户i的平均阅读速度为Vi，Vi=L/T，其中，T为用户i的总的阅读时间，L为用户i的阅读新闻的总长度；

用户i阅读新闻j的阅读速度关注度Rij定义如下：当t>t1或t<t2时，Rij=0；当t1<=t<=t2时，Rij=t×Vi/Lj=（t/Lj）/（T/L）；其中，t1和t2为系统定义的阅读的最短和最长阅读时间值，如果用户阅读时间小于最小值t1或者大于最大值t2，则认为该次阅读的关注度为0；t为用户此次阅读新闻j的时间，Lj为新闻j的长度；

设用户i阅读过的新闻总长度为L，滑动滚动条总次数为N，则定义用户i的平均滑动滚动条频率为Fi=Ni/Li；用户i阅读新闻j的滚动条关注度Fij定义如下：当n=0时，Fij=0；当n>=0时，Fij=（n/Lj）/Fi=（n/Lj）/（Ni/Li）；其中，n为用户i本次阅读新闻j滑动滚动条的次数，Lj为新闻j的长度；

设用户i阅读每条新闻的平均阅读时间为Ti，则Ti=T/C；其中T为用户i总的阅读时间，C为用户i阅读过的新闻总条数；用户i阅读新闻j的时间关注度Tij定义如下：当t>t1或t<t2时，Tij=0；当t1<=t<=t2时，Tij=t/Ti=t/（T/C）；其中，t为用户i阅读新闻j所用的时间，t1和t2分别为系统规定的有效的阅读时间的最小值和最大值；

用户i对新闻j的兴趣偏好度由下式确定：

Pij=w1×Rij+w2×Fij+w3×Tij；其中，Pij为用户i对新闻j的兴趣偏好值，w1、w2、w3分别是三种关注度值贡献的权重，且w1+w2+w3=1。

2.根据权利要求1所述的系统，其特征在于，所述系统还包括：设置单元，用于设置新闻关键字权重表以及用户兴趣关键字权重表，其中，新闻关键字权重表用于存储体现一条新闻主题的各个关键字及其权重值；用户兴趣关键字权重表用于记录用户对某类别新闻感兴趣的内容的关键字及其权值；

所述兴趣模型更新模块对用户当前的新闻偏好度进行更新，具体为：

设用户i对某新闻类别j的原始兴趣值为p1，用户最新阅读的该类别的一条新闻的兴趣值为p2，则此时要更新该新闻类别的兴趣值及该新闻类别的关键词权重；

更新新闻类别j的兴趣值如下式：Pj=w×p1+p2；

更新除新闻类别j外的新闻类别兴趣值如下式：Pk=w×Pk1；其中k为所有除j之外的新闻类别下标，Pk1为新闻类别k初始的兴趣值，w为时间衰减系数；

对于单条新闻的关键字权重表的每个关键字权值乘以用户对该新闻的兴趣值，以体现用户浏览的该条新闻的兴趣值对于用户对新闻类别的兴趣影响；

对于该条新闻的所属类别的关键字权重表中每个关键字权值乘以一个时间衰减系数，体现随着时间的流逝，用户兴趣的转移方向；

查询新闻的关键字权重表和新闻类别的关键字权重表中的所有关键字是否有相同的，若存在相同的关键字，则新闻类别的该关键字权值更新为两个相同关键字的权值的和，删除单条新闻的关键字表中的该关键字；

将新闻的关键字权重表和新闻类别的关键字权重表中的所有关键字按照权值大小进行排序，选取前N个高权值的关键字作为新闻类别的关键字权重表中的内容，其中，N为设定的确定值。

3.根据权利要求2所述的系统，其特征在于，所述设置单元进一步设置新闻优先级为公共级、热点级、推荐级、选定级；其中，公共级适用于重大公共安全事件或行政强制要求内容；选定级适用于被用户选定必读的内容；不属于公共级及选定级的新闻内容默认是推荐级；热点级是短期内受关注程度快速上升的内容，热点级的优先级仅低于公共级。

4.根据权利要求3所述的系统，其特征在于，所述主动推荐服务处理模块进一步与交通信息平台连接，用于获取实时的交通新闻信息，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，将交通信息中包含上述用户当前所在地、常驻地、潜在目的地中的至少一种信息的新闻作为推荐级新闻信息推荐给用户；以及，根据用户的行进线路，为用户搜索当前行进线路上的实时交通信息，并作为推荐级新闻信息推荐给用户。

5.根据权利要求3所述的系统，其特征在于，所述主动推荐服务处理模块进一步与天气信息平台连接，用于获取实时的天气新闻信息，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，将天气新闻信息中包含上述用户当前所在地、常驻地、潜在目的地中的至少一种信息的新闻作为推荐级新闻信息推荐给用户。

6.一种面向手机的移动用户个性化新闻主动推荐服务方法，其特征在于，所述方法包括：

根据用户的注册信息、以及用户的新闻浏览记录，用户对浏览新闻的评论结果确定出用户对新闻的偏好度；其中，用户的注册信息包括用户的用户名、性别、职业、爱好的信息；用户的浏览记录包括用户的对某新闻信息的浏览时间、阅读时长、阅读次数、阅读速度、滚动滚动条次数的信息；评论结果包括对新闻的评论条数、对新闻的评分的信息；根据对用户移动终端的定位信息，确定用户的当前位置；并根据用户位置移动信息，确定出用户的可能目的地；或者，接收用户输入的位置信息，并将用户输入的位置信息作为新闻推荐关联的位置信息；

接收到用户的新闻访问请求后，根据用户浏览新闻信息的浏览记录，对用户当前的新闻偏好度进行更新；

对新闻的评价信息进行统计，查找出与用户评价信息类似的新闻类型，为用户推荐所查找出的新闻类型；或者，获取用户的历史浏览新闻记录并选取最近的一条新闻，将其作为用户关注的项目，查询与该项目有正相关的所有用户；其中，正相关是指用户对新闻的偏好值大于一定的值；对查找得到的正相关用户群中每个用户进行正相关新闻的查询，并作为一个集合；将得到的新闻集合的中新闻按用户数量降序排列，选择用户数量高的若干新闻作为用户的推荐新闻；或者，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，查询该地区的新闻，并将新闻优先级高的新闻优先输出，上述地区存在上级地区时，则以上级地区作为推荐新闻的关联位置信息，查询该地区的新闻，并将新闻优先级高的新闻优先输出；或者，获取当前用户的关注新闻类别，获取某一新闻类别的关键字组，并获取该新闻类别中含有所获取关键字的新闻；

所述确定出用户对新闻的偏好度，具体为：

设用户i的平均阅读速度为Vi，Vi=L/T，其中，T为用户i的总的阅读时间，L为用户i的阅读新闻的总长度；

用户i阅读新闻j的阅读速度关注度Rij定义如下：当t>t1或t<t2时，Rij=0；当t1<=t<=t2时，Rij=t×Vi/Lj=（t/Lj）/（T/L）；其中，t1和t2为系统定义的阅读的最短和最长阅读时间值，如果用户阅读时间小于最小值t1或者大于最大值t2，则认为该次阅读的关注度为0；t为用户此次阅读新闻j的时间，Lj为新闻j的长度；

设用户i阅读过的新闻总长度为L，滑动滚动条总次数为N，则定义用户i的平均滑动滚动条频率为Fi=Ni/Li；用户i阅读新闻j的滚动条关注度Fij定义如下：当n=0时，Fij=0；当n>=0时，Fij=（n/Lj）/Fi=（n/Lj）/（Ni/Li）；其中，n为用户i本次阅读新闻j滑动滚动条的次数，Lj为新闻j的长度；

设用户i阅读每条新闻的平均阅读时间为Ti，则Ti=T/C；其中T为用户i总的阅读时间，C为用户i阅读过的新闻总条数；用户i阅读新闻j的时间关注度Tij定义如下：当t>t1或t<t2时，Tij=0；当t1<=t<=t2时，Tij=t/Ti=t/（T/C）；其中，t为用户i阅读新闻j所用的时间，t1和t2分别为系统规定的有效的阅读时间的最小值和最大值；

用户i对新闻j的兴趣偏好度由下式确定：

Pij=w1×Rij+w2×Fij+w3×Tij；其中，Pij为用户i对新闻j的兴趣偏好值，w1、w2、w3分别是三种关注度值贡献的权重，且w1+w2+w3=1。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

设置新闻关键字权重表以及用户兴趣关键字权重表，其中，新闻关键字权重表用于存储体现一条新闻主题的各个关键字及其权重值；用户兴趣关键字权重表用于记录用户对某类别新闻感兴趣的内容的关键字及其权值；

所述对用户当前的新闻偏好度进行更新，具体为：

设用户i对某新闻类别j的原始兴趣值为p1，用户最新阅读的该类别的一条新闻的兴趣值为p2，则此时要更新该新闻类别的兴趣值及该新闻类别的关键词权重；

更新新闻类别j的兴趣值如下式：Pj=w×p1+p2；

更新除新闻类别j外的新闻类别兴趣值如下式：Pk=w×Pk1；其中k为所有除j之外的新闻类别下标，Pk1为新闻类别k初始的兴趣值，w为时间衰减系数；

对于单条新闻的关键字权重表的每个关键字权值乘以用户对该新闻的兴趣值，以体现用户浏览的该条新闻的兴趣值对于用户对新闻类别的兴趣影响；

对于该条新闻的所属类别的关键字权重表中每个关键字权值乘以一个时间衰减系数，体现随着时间的流逝，用户兴趣的转移方向；

查询新闻的关键字权重表和新闻类别的关键字权重表中的所有关键字是否有相同的，若存在相同的关键字，则新闻类别的该关键字权值更新为两个相同关键字的权值的和，删除单条新闻的关键字表中的该关键字；

将新闻的关键字权重表和新闻类别的关键字权重表中的所有关键字按照权值大小进行排序，选取前N个高权值的关键字作为新闻类别的关键字权重表中的内容，其中，N为设定的确定值。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

设置新闻优先级为公共级、热点级、推荐级、选定级；其中，公共级适用于重大公共安全事件或行政强制要求内容；选定级适用于被用户选定必读的内容；不属于公共级及选定级的新闻内容默认是推荐级；热点级是短期内受关注程度快速上升的内容，热点级的优先级仅低于公共级；

获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，将获取的实时的交通新闻信息中包含上述用户当前所在地、常驻地、潜在目的地中的至少一种信息的新闻作为推荐级新闻信息推荐给用户；以及，根据用户的行进线路，为用户搜索当前行进线路上的实时交通信息，并作为推荐级新闻信息推荐给用户；

或者，根据所述位置获取模块获取的用户当前所在地、常驻地、潜在目的地中的至少一种信息，将所获取的实时的天气新闻信息中包含上述用户当前所在地、常驻地、潜在目的地中的至少一种信息的新闻作为推荐级新闻信息推荐给用户。

Images