CN114564675A - 一种信息推荐方法、装置及存储介质 - Google Patents
一种信息推荐方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114564675A CN114564675A CN202210455251.3A CN202210455251A CN114564675A CN 114564675 A CN114564675 A CN 114564675A CN 202210455251 A CN202210455251 A CN 202210455251A CN 114564675 A CN114564675 A CN 114564675A
- Authority
- CN
- China
- Prior art keywords
- news
- user
- subjective
- tendency
- content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及信息处理相关领域，公开了一种信息推荐方法、装置及存储介质，通过行为获取模块、划分梳理模块、行为判定模块以及平衡推送模块的设置，实现了对用户的新闻浏览行为的记录获取并分析，根据用户评论主观倾向以及新闻内容主观倾向进行判断，从而了解用户对于新闻的理解，达到控制对用户的新闻推送方案，可有效的向用户推送补充新闻理解的新闻内容，即帮助解决不完整的新闻信息获取问题，帮助用户更完善的理解新闻内容，提高用户的思考能力，降低因信息不平衡发生的网络争论事件的概率。
Description
技术领域
本发明涉及信息处理相关领域，具体是一种信息推荐方法、装置及存储介质。
背景技术
快速发展的网络技术使得我们能够更加快速的获取海量的信息，但同时也使得对于信息的审核变得更为困难，无数从各个途径传播的亦真亦假的信息，使得如今部分网络用户逐渐丧失对于信息的自我判断能力，尤其对于同一事件的多个信息而言，通常情况下用户片面的信息获取途径会导致用户间的信息不对称，对于事件未能完整的了解其全貌，造成不必要的用户间争论的产生。
现有技术对于新闻资讯等信息的推送，多是通过大数据跟踪的方式进行推送，即用户频繁浏览某一事件或是某一类型的新闻资讯时，大数据会推送相似或相同事件的相关内容，但现有技术的这种方式并不能起到信息内容平衡判断的作用，无法改变信息不平衡的现状。
发明内容
本发明的目的在于提供一种信息推荐方法、装置及存储介质，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种信息推荐装置，包括：
行为获取模块，用于以预设的评估时间段获取用户的新闻浏览行为，将所述新闻浏览行为在短时权重信息库中存储，所述新闻浏览行为包括新闻内容以及用户评论内容，所述新闻内容包括新闻本体以及他人评论；
划分梳理模块，用于当预设的所述评估时间段结束时，获取所述短时权重信息库中存储的所述新闻浏览行为，对所述新闻浏览行为进行所述新闻本体的内容标签提取，生成内容标签，并通过云端获取多个相同所述内容标签的新闻内容；
行为判定模块，用于对所述短时权重信息库中的多个所述内容标签相同的所述新闻浏览行为进行主观倾向权重的判断，所述主观倾向权重包括新闻内容主观倾向以及用户评论主观倾向；
平衡推送模块，用于对所述主观倾向权重进行判断，生成用户主观行为因果，并根据预设的新闻推送规则表以及所述用户主观行为因果生成用户推送列表并输出，所述用户主观行为因果用于表征所述用户评论主观倾向与所述新闻内容主观倾向的对应关系。
作为本发明的进一步方案：所述行为判定模块包括：
行为判定触发单元，用于当预设的所述评估时间段结束时，获取所述短时权重信息库中存储的所述新闻浏览行为；
行为内容筛选单元，用于根据所述内容标签对多个所述新闻浏览行为进行筛选，获取多个内容标签一致的所述新闻浏览行为，并在倾向判定暂存库中存储；
新闻主观判定单元，用于获取所述倾向判定暂存库中所述新闻浏览行为的所述新闻内容，对所述新闻内容中的所述他人评论进行关键句提取，并根据所述关键句对多个所述他人评论进行划分统计，生成所述新闻内容主观倾向；
用户主观判定单元，用于获取所述倾向判定暂存库中所述新闻浏览行为的所述用户评论内容，对所述用户评论内容进行关键句提取，并根据所述关键句对多个所述用户评论内容进行划分统计，生成所述用户评论主观倾向。
作为本发明的再进一步方案：所述用户主观判定单元包括：
划分子单元，用于根据语意判定程序对多个所述关键句根据所述内容标签进行划分，划分结果包括多个内容倾向以及无关分类；
标记子单元，用于对同一所述新闻浏览行为中的所述用户评论内容与所述新闻内容中的所述关键句进行划分结果的判定，若相同，则标记为同，若不同，则标记为异；
统计子单元，用于对多个所述内容倾向分类下的所述用户评论内容进行总量占比的统计，并对所述内容倾向的标记占比进行统计；
结论子单元，用于获取总量占比的统计结果中总量占比最高的所述内容倾向，生成用户评论主观倾向，所述用户评论主观倾向包括标记占比的统计结果。
作为本发明的再进一步方案：所述平衡推送模块包括：
权重判断单元，用于根据所述新闻内容主观倾向、用户评论主观倾向以及标记占比的所述统计结果进行判断，生成用户主观行为因果，所述统计结果用于表征所述用户评论主观倾向与所述新闻内容主观倾向的对应占比关系；
平衡规则单元，用于根据预设的新闻推送规则表以及所述用户主观行为因果生成用户推送规则，所述用户推送规则用于表征对云端获取的多个相同所述内容标签的新闻内容的筛选方案；
推送输出单元，用于对多个云端获取的所述新闻内容进行所述新闻内容主观倾向的获取，根据所述用户推送规则对所述新闻内容进行筛选并生成所述用户推送表，根据所述用户推送列表输出所述新闻内容。
作为本发明的再进一步方案：所述用户主观行为因果包括：
同倾向相同行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向一致，且所述用户评论主观倾向中的标记占比的所述统计结果中，同的标记大于等于百分之五十；
同倾向相异行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向一致，且所述用户评论主观倾向中的标记占比的所述统计结果中，异的标记大于等于百分之五十；
异倾向相同行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向相异，且所述用户评论主观倾向中的标记占比的所述统计结果中，同的标记大于等于百分之五十；
异倾向相异行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向相异，且所述用户评论主观倾向中的标记占比的所述统计结果中，异的标记大于等于百分之五十；
无用户倾向行为，用于表征所述新闻浏览行为中无用户评论内容的情况。
本发明实施例旨在提供一种信息推荐方法，包含步骤：
以预设的时间段获取用户的新闻浏览行为，将所述新闻浏览行为在短时权重信息库中存储，所述新闻浏览行为包括用户浏览内容以及用户评论内容，所述用户浏览内容包括新闻本体以及他人评论；
当预设的所述时间段结束时，获取所述短时权重信息库中存储的所述新闻浏览行为，对所述新闻浏览行为进行所述新闻本体的内容标签提取，生成内容标签，并通过云端获取多个相同所述内容标签的新闻内容；
对所述短时权重信息库中的多个所述内容标签相同的所述新闻浏览行为进行主观倾向权重的判断，所述主观倾向权重包括新闻内容主观倾向以及用户评论主观倾向；
对所述主观倾向权重进行判断，生成用户主观行为因果，并根据预设的新闻推送规则表以及所述用户主观行为因果生成用户推送列表并输出，所述用户主观行为因果用于表征所述用户评论主观倾向与所述新闻内容主观倾向的对应关系。
本发明实施例提供一种可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现信息推荐方法的任一步骤，所述存储介质为非易失性存储器。
与现有技术相比，本发明的有益效果是：通过行为获取模块、划分梳理模块、行为判定模块以及平衡推送模块的设置，实现了对用户的新闻浏览行为的记录获取并分析，根据用户评论主观倾向以及新闻内容主观倾向进行判断，从而了解用户对于新闻的理解，达到控制对用户的新闻推送方案，可有效的向用户推送补充新闻理解的新闻内容，即帮助解决不完整的新闻信息获取问题，帮助用户更完善的理解新闻内容，提高用户的思考能力，降低因信息不平衡发生的网络争论事件的概率。
附图说明
图1为一种信息推荐装置的组成框图。
图2为一种信息推荐装置中行为判定模块的组成框图。
图3为一种信息推荐装置中平衡推送模块的组成框图。
图4为一种信息推荐方法的流程框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现方式进行详细描述。
如图1所述，为本发明一个实施例提供的一种信息推荐装置，包括：
行为获取模块100，用于以预设的评估时间段获取用户的新闻浏览行为，将所述新闻浏览行为在短时权重信息库中存储，所述新闻浏览行为包括新闻内容以及用户评论内容，所述新闻内容包括新闻本体以及他人评论。
划分梳理模块300，用于当预设的所述评估时间段结束时，获取所述短时权重信息库中存储的所述新闻浏览行为，对所述新闻浏览行为进行所述新闻本体的内容标签提取，生成内容标签，并通过云端获取多个相同所述内容标签的新闻内容。
行为判定模块500，用于对所述短时权重信息库中的多个所述内容标签相同的所述新闻浏览行为进行主观倾向权重的判断，所述主观倾向权重包括新闻内容主观倾向以及用户评论主观倾向。
平衡推送模块700，用于对所述主观倾向权重进行判断，生成用户主观行为因果，并根据预设的新闻推送规则表以及所述用户主观行为因果生成用户推送列表并输出，所述用户主观行为因果用于表征所述用户评论主观倾向与所述新闻内容主观倾向的对应关系。
本实施例中，在装置工作的过程中，行为获取模块100的作用类似于一个存储单元，以预设的评估时间段间隔为周期进行信息的存储（当然评估时间段结束后并不会直接清空其中的新闻浏览行为，而是等待后续的模块的处理，因此行为获取模块100的数量是包含多个的，以保证记录行为的持续性，且同时可以避免其中某一行为获取模块100的损坏）；这里的新闻浏览行为包括浏览的新闻内容以及对新闻的评论行为（即用户评论内容），其中新闻内容包括其它用户的对新闻的评论（即他人评论，因对用户而言，其内容是与新闻内容一起获取的，因此归于新闻内容的一环中）；划分梳理模块300作用是对新闻内容进行关键词的提取，从而能够对用户浏览的多个新闻内容进行划分（即可以将用户浏览的一批新闻中的相同新闻的多条内容进行识别以归类），也可以通过云端获取更多同一新闻事件的其它报道内容；行为判定模块500的作用是对用户的新闻浏览行为进行倾向权重判断的作用，这里的主观倾向权重可以理解为用户评论与新闻内容中的观点的倾向，例如某一新闻报道了一项发现，其中评论中根据新闻内容表达了两种观点，之所以产生观点的分歧，可能是因为新闻报道不完全导致不同人员的理解偏差，而用户本人也在多个同一新闻的报道中存有观点，主观倾向权重则是这些观点中，认同哪一种观点的人更多，即倾向，用户本分人的用户评论主观倾向同理；平衡推送模块700的作用则是根据用户评论主观倾向以及新闻内容主观倾向进行判断，从而向用户推送可以补充观点的新闻内容，即帮助解决不完整的新闻信息获取，帮助用户更完善的理解新闻内容，提高用户的思考能力，降低因信息不平衡发生的网络争论事件的概率。
如图2所示，作为本发明另一个优选的实施例，所述行为判定模块500包括：
行为判定触发单元501，用于当预设的所述评估时间段结束时，获取所述短时权重信息库中存储的所述新闻浏览行为。
行为内容筛选单元502，用于根据所述内容标签对多个所述新闻浏览行为进行筛选，获取多个内容标签一致的所述新闻浏览行为，并在倾向判定暂存库中存储。
新闻主观判定单元503，用于获取所述倾向判定暂存库中所述新闻浏览行为的所述新闻内容，对所述新闻内容中的所述他人评论进行关键句提取，并根据所述关键句对多个所述他人评论进行划分统计，生成所述新闻内容主观倾向。
用户主观判定单元504，用于获取所述倾向判定暂存库中所述新闻浏览行为的所述用户评论内容，对所述用户评论内容进行关键句提取，并根据所述关键句对多个所述用户评论内容进行划分统计，生成所述用户评论主观倾向。
本实施例中，对行为判定模块500进行了进一步的说明，在主观倾向权重生成的过程中，需要基于同一新闻的多个新闻报道所进行，因此，需要通过行为内容筛选单元502进行新闻浏览行为的筛选划分，将同一新闻的多个报道划分至同一倾向判断暂存库中存放，以方便后续的处理，新闻主观判断单元503用于根据新闻内容中的他人评价进行统计生成新闻内容主观倾向（这里会判断分离与新闻内容无主要关系的评论内容，例如无意义的刷屏评论，广告等），用户主观判定单元504的作用是对用户的用户评论内容进行分析从而生成用户评论主观倾向，即用户对于新闻的主观看法。
作为本发明另一个优选的实施例，所述用户主观判定单元504包括：
划分子单元，用于根据语意判定程序对多个所述关键句根据所述内容标签进行划分，划分结果包括多个内容倾向以及无关分类。
标记子单元，用于对同一所述新闻浏览行为中的所述用户评论内容与所述新闻内容中的所述关键句进行划分结果的判定，若相同，则标记为同，若不同，则标记为异。
统计子单元，用于对多个所述内容倾向分类下的所述用户评论内容进行总量占比的统计，并对所述内容倾向的标记占比进行统计。
结论子单元，用于获取总量占比的统计结果中总量占比最高的所述内容倾向，生成用户评论主观倾向，所述用户评论主观倾向包括标记占比的统计结果。
本实施例中，对用户主观判定单元504的执行进行了进一步的补充细化说明，用户主观判定单元504与新闻主观判定单元503的单元组成是基本一致的，其中，这里的无关分类指评论内容与内容标签无关；实施例补充了标记子单元，其用于对用户评论内容的行为进行判断，通过前述可以了解到用户评论内容可以包括多种对新闻不同的看法或是与新闻无主要关系的内容，其中关于对于新闻的看法方便，因其是基于新闻内容下，用户所产生的理解或是想法，因此会存在在某一新闻浏览行为中用户评论内容与新闻内容中的他人评论所表达的倾向是相同或不同的多种情况，而这一情况的存在也可以作用对用户行为倾向判断的依据（例如当用户评论内容与新闻内容中他人评论（指统计后的最多关键句）的倾向全部不相同时，那么该用户可能会存在恶意评论或是引发评论对立的可能性，因此需要作为考究内容之一）。
如图3所示，作为本发明另一个优选的实施例，所述平衡推送模块700包括：
权重判断单元701，用于根据所述新闻内容主观倾向、用户评论主观倾向以及标记占比的所述统计结果进行判断，生成用户主观行为因果，所述统计结果用于表征所述用户评论主观倾向与所述新闻内容主观倾向的对应占比关系。
平衡规则单元702，用于根据预设的新闻推送规则表以及所述用户主观行为因果生成用户推送规则，所述用户推送规则用于表征对云端获取的多个相同所述内容标签的新闻内容的筛选方案。
推送输出单元703，用于对多个云端获取的所述新闻内容进行所述新闻内容主观倾向的获取，根据所述用户推送规则对所述新闻内容进行筛选并生成所述用户推送表，根据所述用户推送列表输出所述新闻内容。
本实施例中，平衡推送模块700在使用时，通过对新闻内容主观倾向、用户评论主观倾向以及标记占比进行平衡考虑，判断用户对新闻的观点是否存在较多的理解偏差（基于众多的评论而言），以及偏差的存在是否是因为用户对新闻理解的偏差还是主观选择的（即如果能够反应用户理解偏差的用户评论内容与新闻内容中的他人评论（指统计后的最多关键句的他人评论）是否划分一致，如果该用户的用户评论中，更多的（例如10条中包含7条）是相异的，则表示该用户可能存在恶意评论带动争论的情况，反之，则表示用户可能为未能通过足够的信息理解新闻的内容全貌）。
作为本发明另一个优选的实施例，所述用户主观行为因果包括：
同倾向相同行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向一致，且所述用户评论主观倾向中的标记占比的所述统计结果中，同的标记大于等于百分之五十。
同倾向相异行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向一致，且所述用户评论主观倾向中的标记占比的所述统计结果中，异的标记大于等于百分之五十。
异倾向相同行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向相异，且所述用户评论主观倾向中的标记占比的所述统计结果中，同的标记大于等于百分之五十。
异倾向相异行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向相异，且所述用户评论主观倾向中的标记占比的所述统计结果中，异的标记大于等于百分之五十。
无用户倾向行为，用于表征所述新闻浏览行为中无用户评论内容的情况。
本实施例中，同倾向相同行为表征用户与大众理解基本一致，且评论行为正常；同倾向相异行为表征用户与大众理解基本一致，但可能存在引导他人理解的行为；异倾向相同行为表征用户理解行为不同于多数人群理解，但评论行为正常，可能为信息获取不完全，未能有效理解新闻全貌；异倾向相异行为表征用户理解行为不同于多数人群理解，且可能存在引导他人理解的行为；无用户倾向行为表征用户未对新闻公开任何理解或是看法。
如图4所示，本发明还提供了一种信息推荐方法，其包含步骤：
S200，以预设的时间段获取用户的新闻浏览行为，将所述新闻浏览行为在短时权重信息库中存储，所述新闻浏览行为包括用户浏览内容以及用户评论内容，所述用户浏览内容包括新闻本体以及他人评论。
S400，当预设的所述时间段结束时，获取所述短时权重信息库中存储的所述新闻浏览行为，对所述新闻浏览行为进行所述新闻本体的内容标签提取，生成内容标签，并通过云端获取多个相同所述内容标签的新闻内容。
S600，对所述短时权重信息库中的多个所述内容标签相同的所述新闻浏览行为进行主观倾向权重的判断，所述主观倾向权重包括新闻内容主观倾向以及用户评论主观倾向。
S800，对所述主观倾向权重进行判断，生成用户主观行为因果，并根据预设的新闻推送规则表以及所述用户主观行为因果生成用户推送列表并输出，所述用户主观行为因果用于表征所述用户评论主观倾向与所述新闻内容主观倾向的对应关系。
本发明还提供了一种存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现信息推荐方法的任一步骤，所述存储介质为非易失性存储器。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
本领域技术人员在考虑说明书及实施例处的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (7)
1.一种信息推荐装置，其特征在于，包括：
行为获取模块，用于以预设的评估时间段获取用户的新闻浏览行为，将所述新闻浏览行为在短时权重信息库中存储，所述新闻浏览行为包括新闻内容以及用户评论内容，所述新闻内容包括新闻本体以及他人评论；
划分梳理模块，用于当预设的所述评估时间段结束时，获取所述短时权重信息库中存储的所述新闻浏览行为，对所述新闻浏览行为进行所述新闻本体的内容标签提取，生成内容标签，并通过云端获取多个相同所述内容标签的新闻内容；
行为判定模块，用于对所述短时权重信息库中的多个所述内容标签相同的所述新闻浏览行为进行主观倾向权重的判断，所述主观倾向权重包括新闻内容主观倾向以及用户评论主观倾向；
平衡推送模块，用于对所述主观倾向权重进行判断，生成用户主观行为因果，并根据预设的新闻推送规则表以及所述用户主观行为因果生成用户推送列表并输出，所述用户主观行为因果用于表征所述用户评论主观倾向与所述新闻内容主观倾向的对应关系。
2.根据权利要求1所述的信息推荐装置，其特征在于，所述行为判定模块包括：
行为判定触发单元，用于当预设的所述评估时间段结束时，获取所述短时权重信息库中存储的所述新闻浏览行为；
行为内容筛选单元，用于根据所述内容标签对多个所述新闻浏览行为进行筛选，获取多个内容标签一致的所述新闻浏览行为，并在倾向判定暂存库中存储；
新闻主观判定单元，用于获取所述倾向判定暂存库中所述新闻浏览行为的所述新闻内容，对所述新闻内容中的所述他人评论进行关键句提取，并根据所述关键句对多个所述他人评论进行划分统计，生成所述新闻内容主观倾向；
用户主观判定单元，用于获取所述倾向判定暂存库中所述新闻浏览行为的所述用户评论内容，对所述用户评论内容进行关键句提取，并根据所述关键句对多个所述用户评论内容进行划分统计，生成所述用户评论主观倾向。
3.根据权利要求2所述的信息推荐装置，其特征在于，所述用户主观判定单元包括：
划分子单元，用于根据语意判定程序对多个所述关键句根据所述内容标签进行划分，划分结果包括多个内容倾向以及无关分类；
标记子单元，用于对同一所述新闻浏览行为中的所述用户评论内容与所述新闻内容中的所述关键句进行划分结果的判定，若相同，则标记为同，若不同，则标记为异；
统计子单元，用于对多个所述内容倾向分类下的所述用户评论内容进行总量占比的统计，并对所述内容倾向的标记占比进行统计；
结论子单元，用于获取总量占比的统计结果中总量占比最高的所述内容倾向，生成用户评论主观倾向，所述用户评论主观倾向包括标记占比的统计结果。
4.根据权利要求3所述的信息推荐装置，其特征在于，所述平衡推送模块包括：
权重判断单元，用于根据所述新闻内容主观倾向、用户评论主观倾向以及标记占比的所述统计结果进行判断，生成用户主观行为因果，所述统计结果用于表征所述用户评论主观倾向与所述新闻内容主观倾向的对应占比关系；
平衡规则单元，用于根据预设的新闻推送规则表以及所述用户主观行为因果生成用户推送规则，所述用户推送规则用于表征对云端获取的多个相同所述内容标签的新闻内容的筛选方案；
推送输出单元，用于对多个云端获取的所述新闻内容进行所述新闻内容主观倾向的获取，根据所述用户推送规则对所述新闻内容进行筛选并生成所述用户推送表，根据所述用户推送列表输出所述新闻内容。
5.根据权利要求4所述的信息推荐装置，其特征在于，所述用户主观行为因果包括：
同倾向相同行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向一致，且所述用户评论主观倾向中的标记占比的所述统计结果中，同的标记大于等于百分之五十；
同倾向相异行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向一致，且所述用户评论主观倾向中的标记占比的所述统计结果中，异的标记大于等于百分之五十；
异倾向相同行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向相异，且所述用户评论主观倾向中的标记占比的所述统计结果中，同的标记大于等于百分之五十；
异倾向相异行为，用于表征所述新闻内容主观倾向与所述用户评论主观倾向相异，且所述用户评论主观倾向中的标记占比的所述统计结果中，异的标记大于等于百分之五十；
无用户倾向行为，用于表征所述新闻浏览行为中无用户评论内容的情况。
6.一种信息推荐方法，其特征在于，包含步骤：
以预设的时间段获取用户的新闻浏览行为，将所述新闻浏览行为在短时权重信息库中存储，所述新闻浏览行为包括用户浏览内容以及用户评论内容，所述用户浏览内容包括新闻本体以及他人评论；
当预设的所述时间段结束时，获取所述短时权重信息库中存储的所述新闻浏览行为，对所述新闻浏览行为进行所述新闻本体的内容标签提取，生成内容标签，并通过云端获取多个相同所述内容标签的新闻内容；
对所述短时权重信息库中的多个所述内容标签相同的所述新闻浏览行为进行主观倾向权重的判断，所述主观倾向权重包括新闻内容主观倾向以及用户评论主观倾向；
对所述主观倾向权重进行判断，生成用户主观行为因果，并根据预设的新闻推送规则表以及所述用户主观行为因果生成用户推送列表并输出，所述用户主观行为因果用于表征所述用户评论主观倾向与所述新闻内容主观倾向的对应关系。
7.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求6所述信息推荐方法的任一步骤，所述存储介质为非易失性存储器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210455251.3A CN114564675B (zh) | 2022-04-28 | 2022-04-28 | 一种信息推荐方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210455251.3A CN114564675B (zh) | 2022-04-28 | 2022-04-28 | 一种信息推荐方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114564675A true CN114564675A (zh) | 2022-05-31 |
| CN114564675B CN114564675B (zh) | 2022-07-22 |
Family
ID=81721060
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210455251.3A Active CN114564675B (zh) | 2022-04-28 | 2022-04-28 | 一种信息推荐方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114564675B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104462487A (zh) * | 2014-12-19 | 2015-03-25 | 南开大学 | 一种融合多信息源的个性化在线新闻评论情绪预测方法 |
| CN104573054A (zh) * | 2015-01-21 | 2015-04-29 | 杭州朗和科技有限公司 | 一种信息推送方法和设备 |
| KR101615583B1 (ko) * | 2015-03-24 | 2016-04-26 | 문유덕 | 인터넷 뉴스 기사를 이용한 마케팅 방법 및 시스템 |
| CN105630929A (zh) * | 2015-12-22 | 2016-06-01 | 北京奇虎科技有限公司 | 基于评论确定新闻推荐权重的方法及装置 |
| CN105930411A (zh) * | 2016-04-18 | 2016-09-07 | 苏州大学 | 一种分类器训练方法、分类器和情感分类系统 |
| CN111241399A (zh) * | 2020-01-10 | 2020-06-05 | 杜长江 | 一种上市公司关注度的评估方法 |
| CN112328865A (zh) * | 2019-07-31 | 2021-02-05 | 北京达佳互联信息技术有限公司 | 信息处理和推荐方法、装置、设备及存储介质 |
| CN113297499A (zh) * | 2021-06-22 | 2021-08-24 | 北京创世路信息技术有限公司 | 一种信息推荐系统、方法、计算机设备及存储介质 |
| CN113343120A (zh) * | 2021-05-28 | 2021-09-03 | 哈尔滨理工大学 | 基于情感防护的新闻智能推荐系统 |
| CN114297470A (zh) * | 2021-10-26 | 2022-04-08 | 腾讯科技（深圳）有限公司 | 内容的推荐方法、装置、设备、介质及计算机程序产品 |
-
2022
- 2022-04-28 CN CN202210455251.3A patent/CN114564675B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104462487A (zh) * | 2014-12-19 | 2015-03-25 | 南开大学 | 一种融合多信息源的个性化在线新闻评论情绪预测方法 |
| CN104573054A (zh) * | 2015-01-21 | 2015-04-29 | 杭州朗和科技有限公司 | 一种信息推送方法和设备 |
| KR101615583B1 (ko) * | 2015-03-24 | 2016-04-26 | 문유덕 | 인터넷 뉴스 기사를 이용한 마케팅 방법 및 시스템 |
| CN105630929A (zh) * | 2015-12-22 | 2016-06-01 | 北京奇虎科技有限公司 | 基于评论确定新闻推荐权重的方法及装置 |
| CN105930411A (zh) * | 2016-04-18 | 2016-09-07 | 苏州大学 | 一种分类器训练方法、分类器和情感分类系统 |
| CN112328865A (zh) * | 2019-07-31 | 2021-02-05 | 北京达佳互联信息技术有限公司 | 信息处理和推荐方法、装置、设备及存储介质 |
| CN111241399A (zh) * | 2020-01-10 | 2020-06-05 | 杜长江 | 一种上市公司关注度的评估方法 |
| CN113343120A (zh) * | 2021-05-28 | 2021-09-03 | 哈尔滨理工大学 | 基于情感防护的新闻智能推荐系统 |
| CN113297499A (zh) * | 2021-06-22 | 2021-08-24 | 北京创世路信息技术有限公司 | 一种信息推荐系统、方法、计算机设备及存储介质 |
| CN114297470A (zh) * | 2021-10-26 | 2022-04-08 | 腾讯科技（深圳）有限公司 | 内容的推荐方法、装置、设备、介质及计算机程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114564675B (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Santia et al. | Buzzface: A news veracity dataset with facebook user commentary and egos | |
| Shu et al. | Beyond news contents: The role of social context for fake news detection | |
| Martin et al. | The app sampling problem for app store mining | |
| JP7356206B2 (ja) | コンテンツ推薦及び表示 | |
| Vu et al. | Phrase-based extraction of user opinions in mobile app reviews | |
| Balog et al. | Multi-step classification approaches to cumulative citation recommendation | |
| US20140040181A1 (en) | Automatic faq generation | |
| TW201033823A (en) | Systems and methods for analyzing electronic text | |
| CN103064987A (zh) | 一种虚假交易信息识别方法 | |
| CN113378040A (zh) | 一种用于推广的用户行为分析方法及设备 | |
| CN111651666A (zh) | 用户主题推荐方法、装置、计算机设备及存储介质 | |
| JP4879775B2 (ja) | 辞書作成方法 | |
| Lewoniewski | Identification of important web sources of information on Wikipedia across various topics and languages | |
| CN114564675B (zh) | 一种信息推荐方法、装置及存储介质 | |
| Figueira et al. | Detecting Journalistic Relevance on Social Media: A two-case study using automatic surrogate features | |
| Zhang et al. | Detecting and analyzing influenza epidemics with social media in China | |
| Miazga et al. | Evaluation of most popular sentiment lexicons coverage on various datasets | |
| US20220292127A1 (en) | Information management system | |
| Ghosh et al. | Mining information from heterogeneous sources: A topic modeling approach | |
| CN114297990A (zh) | 舆情监控方法、装置、计算机可读存储介质及处理器 | |
| Kurniawan et al. | Optimization of sentiment analysis using naive Bayes with features selection chi-square and information gain for Accuracy Improvement | |
| CN110990571A (zh) | 一种讨论占比的获取方法、装置、存储介质及电子设备 | |
| Heppell et al. | Analysing state-backed propaganda websites: a new dataset and linguistic study | |
| CN111368070A (zh) | 热点事件的确定方法及装置 | |
| Schneider | A Study on the Efficacy of Sentiment Analysis in Author Attribution |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |