1.一种基于多维特征分析的新闻内容推荐方法,其特征在于:该方法包括:收集目标用户的注册信息和访问信息;
根据目标用户的注册信息和访问信息,对所述目标用户进行分类,并进行类别标记;
根据目标用户的类别标记,从预设的基准推荐模型库中选择该目标用户匹配的基准推荐模型;
根据目标用户的访问信息,对基准推荐模型进行修正,将修正后的基准推荐模型作为目标用户的目标推荐模型;
从目标用户的注册信息中截选出个人信息,将个人信息、类别标签和目标推荐模型进行关联,形成目标用户画像;
分析目标用户的兴趣动态,设置目标用户画像的监控调整频率;
将目标用户画像、目标用户画像的监控调整频率和目标推荐模型上传至新闻推送平台。
2.如权利要求1所述的一种基于多维特征分析的新闻内容推荐方法,其特征在于:所述对所述目标用户进行分类,包括:基于预先设置的各类别对应的注册时长区间,将各类别按照其注册时长由小至大进行排序,并依次记为类别A、类别B和类别C;
从目标用户的注册信息中提取注册时长;
若目标用户的注册时长位于某类别的注册时长区间内,则将该类别作为目标用户的类别;
若目标用户的注册时长位于某类别注册时长区间与其他另一类别的注册时长区间的交集位置处,将该两类别组成判断类别组,判断目标用户的类别倾向,进而将倾向类别作为目标用户的类别。
3.如权利要求2所述的一种基于多维特征分析的新闻内容推荐方法,其特征在于:所述判断目标用户的类别倾向,包括:从所述访问信息中提取各记录访问日期,统计目标用户的访问持续度;
从所述访问信息中提取各记录访问日期下浏览记录日志和互动日志,统计目标用户的有效参与度;
设置访问持续度和有效参与度的权重,对目标用户的访问持续度和有效参与度进行加权求和计算,将计算结果作为活跃指标值;
将所述活跃指标值与设定的各活跃等级对应的活跃指标值区间进行匹配对比,将匹配的活跃等级作为目标活跃等级,所述活跃等级为低级、中级和高级中的一个;
若判断类别组中各类别为类别A和类别B,将判断类别组进行Ⅰ类标注,若各类别为类别B和类别C,将判断类别组进行Ⅱ类标注;
当判断类别组标注为Ⅰ类时,若目标活跃等级为低级,将类别A作为目标用户的倾向类别,若目标活跃等级为中级或者高级,将类别B作为目标用户的倾向类别;
当判断类别组标注为Ⅱ类时,若目标用户活跃等级为低级,将类别C作为目标用户的倾向类别,若目标活跃等级为中级或者高级,将类别B作为目标用户的倾向类别。
4.如权利要求3所述的一种基于多维特征分析的新闻内容推荐方法,其特征在于:所述统计目标用户的访问持续度,包括:将各记录访问日期在电子日历上进行标注,遍历各标注点,得到各标注点之间的间隔天数;
以标注点序号为横坐标,以间隔天数为纵坐标,构建访问间隔曲线,并从中进行斜率提取,作为间隔变化率,并记为k若k
将ΔD′与设定持续界定访问间隔天数D
若k
当k
5.如权利要求4所述的一种基于多维特征分析的新闻内容推荐方法,其特征在于:所述设置访问持续影响权重,包括:从访问间隔曲线中提取峰值点数目和各峰值点与其临近谷值点之间的间隔天数差,将峰值点数目记为M;
从各峰值点与其临近谷值点之间的间隔天数差中筛选出最大值ΔD将
6.如权利要求3所述的一种基于多维特征分析的新闻内容推荐方法,其特征在于:所述统计目标用户的有效参与度,包括:从所述浏览记录日志中提取各浏览指标的指标值,基于各记录访问日期下的各浏览指标的指标值,构建浏览数据表;
将浏览数据表与预先设置的有效浏览评定数据表中各浏览指标项进行对应对比;
若某访问日期下某浏览指标在浏览数据表中与有效浏览评定数据表中的对比关系为大于或者等于,将该浏览指标记为有效指标;
统计有效指标数目,并与浏览指标数目进行作比,将比值记为有效浏览指标比,遍历每个记录访问日期下的有效浏览指标比;
将有效浏览比大于0且小于设定参照有效浏览指标比的记录访问日期记为一级有效访问日,将有效浏览比大于设定参照有效浏览指标比的记录访问日期记为二级有效访问日;
统计一级有效访问日数目和二级有效访问日数目,分别与记录访问日期数目进行作比,将比值记为一级访问比和二级访问比,并对一级访问比和二级访问比进行标准化处理;
将经标准化处理后的结果作为统计模型的自变量,将统计模型的因变量作为有效访问度;
从所述互动日志中提取各互动指标的指标值,按照有效访问度的分析方式同理统计有效互动度;
将有效访问度和有效互动度与设置的各有效参与度对应的有效访问度区间和有效互动度区间进行匹配对比,将匹配的有效参与度作为目标用户的有效参与度。
7.如权利要求3所述的一种基于多维特征分析的新闻内容推荐方法,其特征在于:所述对基准推荐模型进行修正,包括:从所述浏览记录日志中提取各浏览新闻的标记来源,所述标记来源包括检索、热门榜单和相似推荐;
将各记录访问日期下各浏览新闻的标记来源进行整合,得到各累计浏览新闻的标记来源;
对比各累计浏览新闻的标记来源,统计标记来源为热门榜单和相似推荐的累计浏览新闻数目,并分别与累计浏览新闻数目进行作比,将比值分别记为热门采纳比k从目标用户的基准推荐模型中定位出新颖推荐和相似推荐的设置基准权重,分别记为权重1和权重2;
判断调整权重,并确认调整权重的调整值,基于调整权重的调整值对基准推荐模型中对应的权重进行更正。
8.如权利要求7所述的一种基于多维特征分析的新闻内容推荐方法,其特征在于:所述判断调整权重,并确认调整权重的调整值,具体包括:将权重1与预先设置的各采纳比对应的新颖推荐权重进行匹配对比,将匹配的采纳比作为参照热门采纳比,记为k将k
若条件1成立,将权重1作为调整权重,将预先设置的k若条件2成立,将权重2作为调整权重,按照条件1成立下调整值的确认方式同理确认得到条件2成立下的调整值。
9.如权利要求7所述的一种基于多维特征分析的新闻内容推荐方法,其特征在于:所述分析目标用户的兴趣动态信息,包括:从所述浏览记录日志中提取各浏览新闻的标记主题;
基于各记录访问日期下各浏览新闻的标记来源和标记主题,构建来源列表和主题列表,据此统计来源变化指标值和主题变化指标值,并作为兴趣动态信息。
10.如权利要求9所述的一种基于多维特征分析的新闻内容推荐方法,其特征在于:所述设置目标用户画像的监控调整频率,包括:将来源变化指标值和主题变化指标值分别记为β
统计目标用户的综合浏览变化指标值λ,λ=b1*β将λ与设置的各监控调整频率下的综合浏览变化度区间进行匹配对比,将匹配的监控调整频率作为目标用户画像的监控调整频率。