1.一种基于RSS订阅的新闻推荐方法,其特征在于:首先,通过用户的RSS订阅信息,建立用户订阅信息数据库;其次,通过个人用户的RSS Feed订阅下采集的新闻信息构建反映用户兴趣偏好的特征向量;然后,结合个人用户的订阅行为和浏览自主订阅的兴趣度分析,建立个人用户的综合兴趣模型;最后,进行基于内容和协同过滤相结合的主动推荐过程。
2.根据权利要求1所述的基于RSS订阅的新闻推荐方法,其特征在于具体步骤为:
步骤1:通过用户的RSS订阅,建立用户订阅信息数据库:根据订阅信息,栏目,栏目网站,内容,标题,URL链接,变更时间,变更类型,正文条目,订阅时间,建立用户订阅信息数据库;
步骤2:通过个人用户的RSS Feed订阅下采集的新闻信息构建反映用户兴趣偏好的特征向量:首先抽取用户订阅的RSS Feed列表,获取每个RSS Feed的类别信息,构建用户订阅的兴趣偏好特征向量集Uv,取一段时间内所有订阅类(m个)中用户停留时间大于时间阈值t的n个类,则用户对Feed(i)类订阅兴趣度可以表示为:式中,Feed(i)表示个人用户订阅的其中一种新闻的类别,其中sum(Feed(i))表示Feed(i)类新闻的数量, 表示为代表个人用户订阅倾向的所有类的新闻个数,为用户订阅Feed(i)类中新闻的数量在订阅类(n个)中的比重;
步骤3:阅读兴趣分析:
步骤3.1:个人用户阅读行为分析:用户对Feed(i)类兴趣由用户对它的访问次数与时长,以及浏览Feed(i)类别所有Feed数量n和没有浏览的数量m比决定,定义用户对Feed(i)类的阅读兴趣度为:其中,TIME(Feed(i))为访问Feed(i)类中所有新闻的次数之和,TFeed(i)(j)为访问Feed(i)类新闻第j次的访问时间, 为访问Feed(i)类中所有新闻的时间总和,用户的I(Feed(i))越大,说明用户对Feed(i)类的新闻信息兴趣度越大;
步骤3.2:潜在阅读兴趣分析:定义ω为Feed(i)类中订阅但没有浏览的新闻具有潜在兴趣时间阀值,dnfeed(i)(j)表示从订阅到目前的时间段,则Feed(i)类中没有浏览过的新闻潜在阅读兴趣为:其中,n为满足阀值ω的Feed(i)类中新闻的个数,则用户对Feed(i)类的阅读兴趣度为:fl(Feed(i))=I(Feed(i))+P(Feed(i))
步骤4:个人用户协同推送的新闻阅读行为分析:利用协同过滤推荐算法构建相似兴趣用户群并聚类得到需要推荐的新闻;然后,反馈到用户兴趣模型的构建,实现正反馈;则定义用户阅读协同推荐新闻的兴趣度为:fm(Feed(i));
步骤5:个人用户综合兴趣模型建立:个人用户综合兴趣模型由个人用户的订阅兴趣爱好特征向量集,个人用户订阅兴趣偏好,个人用户对Feed(i)类的阅读兴趣度,个人用户阅读协同推荐新闻的兴趣度四个方面的特征共同组成,其个人用户综合兴趣模型可以表示为:U={Uv,dl(Feed(i)),fl(Feed(i)),fm(Feed(i))}
步骤6:智能推荐:通过步骤5得到的个人综合兴趣模型,在包含所有用户的兴趣模型数据中,通过相似度计算找出和被推荐个人用户综合兴趣模型相似度最大的TOP—N邻居集合,然后进行排序,进行主动推荐。