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！

摘要：本发明公开了一种时间和内容感知的新闻推荐系统流行度去偏差方法，包括如下步骤：（a）对新闻数据集进行预处理；（b）构建TCCM模型；（c）进行模型训练；（d）在推理阶段进行因果干预，缓解流行度偏差。本发明考虑了新闻内容对流行度的影响，通过结合新闻内容（实体和单词的流行度），更准确地估算新闻流行度，有助于新闻推荐系统的发展。

主权项：1.一种时间和内容感知的新闻推荐系统流行度去偏差方法，其特征在于，包括如下步骤：（a）对新闻数据集进行预处理：计算每则新闻的时效性，方式如下：新闻在数据集中最早出现的时间为，则新闻在给定时刻的时效性为，对于一则新闻所具有的每个实体和每个单词在一小时内的点击率，作为它们的流行度，分别以和表示，其中表示每个实体所给定计算的时刻，表示每个单词所给定计算的时刻，点击率是指在规定的一小时内，实体或单词的点击次数占展示次数的比例；（b）构建TCCM模型：对于时间模块的构建，利用时间嵌入层先将代表新闻时效性的量化数值转化为嵌入向量，随后，利用密集网络处理并预测一个时间分数，转化公式为：，其中，表示输入特征，表示权重矩阵，表示对其进行转置，为偏置量；对于流行度模块的构建，包括如下步骤：S1将每个实体和单词的流行度转化为向量和作为模块输入；S2利用多头自注意力网络捕捉实体的关联性来学习每个实体的流行度表征；利用多头自注意力网络捕捉单词的关联性来学习每个单词的流行度表征；S3利用实体多头交叉注意力网络从新闻上下文中学习每个实体的流行度表征；利用单词多头交叉注意力网络从新闻上下文中学习每个单词的流行度表征；S4将每个实体和单词流行度的统一表征公式化为由所述多头自注意力网络和所述多头交叉注意力网络学习的流行度表征的总和；S5使用注意力网络从步骤S4所述的每个实体、单词流行度的统一表征中学习基于实体的新闻流行度表征和基于单词的新闻表示；S6通过注意力网络学习基于实体的新闻流行度表征和基于单词的新闻表示的加权组合，获得统一的新闻流行度表征；S7将新闻流行度的表征使用全连接网络量化，并除以量化后的新闻时效性，得到整个新闻的流行度；对于用户内容匹配模块，使用用户和新闻嵌入的内积来计算匹配分数，，其中，和分别表示用户和新闻的嵌入，表示时间；对时间、流行度和用户偏好三种因素影响通过加法计算进行融合，从而获得TCCM模型，表达式为：，其中表示用户对新闻时效性和新闻流行度的倾向程度，为随机初始化的训练参数矩阵，表示流行度倾向程度，表示时间倾向程度，表示用户点击一则新闻，受该新闻时效性和流行度的影响程度；其中，参数λ取值为数值2-2.5之间；（c）进行模型训练：利用数据集训练模型，采用BPR损失函数，通过最大限度的区分正样本和负样本，提高模型理解正样本特征的能力，计算方式为：其中，和分别代表第条新闻的正样本和负样本的交互得分，代表训练数据集，代表名为sigmoid的激活函数，sigmoid激活函数表达式：，是自然常数，是输入变量；（d）在推理阶段进行因果干预，缓解流行度偏差：在推理阶段控制新闻实体以及单词的流行度值，将所述新闻实体以及单词的流行度值设置为低于平均值，以此降低流行度的影响，来缓解流行度偏差。

全文数据：

权利要求：

百度查询： 华侨大学 一种时间和内容感知的新闻推荐系统流行度去偏差方法