买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利一种基于文本语义挖掘的新闻推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115481313B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110668465.4，技术领域涉及：G06F16/9535；该发明授权一种基于文本语义挖掘的新闻推荐方法是由王海艳;胡阳;骆健设计研发完成，并于2021-06-16向国家知识产权局提交的专利申请。

本一种基于文本语义挖掘的新闻推荐方法在说明书摘要公布了：本发明是一种基于文本语义挖掘的新闻推荐方法，该方法包括以下步骤：从数据库中获取新闻项信息和用户阅读历史的日志信息；通过预训练的词向量对新闻项的标题建立词嵌入矩阵；通过特征提取获得新闻标题嵌入表示向量；基于神经主题模型对新闻文本内容进行主题建模得到新闻内容主题嵌入向量，形成最终的新闻特征表示；对用户阅读历史日志中的行为数据进行分析，并在用户侧根据用户阅读记录提取用户特征表示；将时间衰减函数引入模型，生成前N项的推荐新闻候选集。本发明通过双向循环神经网络和神经主题模型对新闻项的词级特征和主题特征进行分析，能够有效挖掘新闻文本中丰富的语义信息，更准确的表示新闻项特征，提升推荐的效果。

本发明授权一种基于文本语义挖掘的新闻推荐方法在权利要求书中公布了：1.一种基于文本语义挖掘的新闻推荐方法，其特征在于：所述推荐方法包括如下步骤： S10、从数据库中获取新闻项信息和用户阅读历史的日志信息； S20、通过预训练的词向量对新闻项的标题建立词嵌入矩阵； S30、利用双向循环神经网络对新闻标题词嵌入矩阵进行特征提取获得新闻标题嵌入向量； S40、启动神经主题模型对新闻文本内容进行主题建模得到新闻内容主题嵌入向量，并综合新闻标题嵌入向量和新闻内容主题嵌入向量形成最终的新闻特征表示向量； S50、对用户阅读历史日志中的行为数据进行分析，并在用户侧根据用户阅读记录提取用户偏好特征表示向量； S60、将时间衰减因子引入模型，并利用得分函数将用户偏好特征表示向量和新闻特征表示向量进行相似度的计算，生成前N项的推荐新闻候选集，其中： 所述步骤S30中利用双向循环神经网络对新闻标题词嵌入矩阵进行特征提取获得新闻标题嵌入向量具体包括如下步骤： S31、基于双向循环神经网络对新闻的标题特征进行提取，捕获单词序列的上下文信息： it＝σWixt+Uiht-1+bi ft＝σWfxt+Ufht-1+bf ot＝σWoxt+Uoht-1+bo 其中，σ·为激活函数，it是输入门，ft是遗忘门，ot是输出门，表示当前时刻t需要更新到当前细胞状态的候选信息，b是偏置向量； S32、利用前向传播和后向传播分别对标题序列进行学习，并计算隐藏状态H： S33、基于注意力网络提取新闻标题中更多的信息特征，从而选取标题中的关键词，通过注意力权重对单词的上下文表示加权求和，获得新闻标题的特征表示向量vt如下： 在所述步骤S40对新闻文本内容进行主题建模的方法包括如下步骤： S41、基于变分自编码器框架，它通过编码-解码的方式学习潜在主题，令x是给定新闻文本的单词词袋表示，其中v是词汇，在编码器中，有u＝fux，logσ＝fσx，其中u和σ是在解码器网络中参数化的主题模型分布的先验参数，fu，fσ是具有Relu激活函数的线性变换； S42、利用解码器进行文档主题生成，使用高斯softmax函数绘制主题分布，即z～Nμ，σ2，θ＝softmaxz 其中z是潜在主题变量，k是预定义的主题数量，通过学习预测单词的概率，类似于LDA主题模型的主题单词分布矩阵，表示第i个单词和第j个主题之间的相关性，从p中提取每个单词以重构输入x，并进一步使用中间参数和θ来构建主题表示，表示如下： 其中代表一组具有预定义的d维度的主题表示，是具有Relu激活函数的线性变换，是每个主题表示的加权和，视为新闻项的整体主题表示； S43、综合新闻标题嵌入向量和新闻内容主题嵌入向量形成最终的新闻特征表示向量v为：v＝Concatvt，vc。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。