基于內(nèi)容的新聞推薦系統(tǒng)設(shè)計研究

朱若馨，李研偉

（陜西國防工業(yè)職業(yè)技術(shù)學(xué)院 陜西 西安 710300）

1 引言

近年來，很多用戶都喜歡使用在線新聞網(wǎng)站和手機(jī)APP來進(jìn)行新聞閱讀[1]。但是，由于每天都有大量新聞產(chǎn)生和發(fā)布，用戶難以在有限的時間內(nèi)從大量新聞中找到自己感興趣的內(nèi)容，面臨嚴(yán)重的新聞信息過載[2]。個性化新聞推薦可以根據(jù)用戶個人興趣對候選新聞進(jìn)行排序展示，是提升用戶在線新聞閱讀體驗(yàn)的一項重要技術(shù)。如何設(shè)計一個高效、精準(zhǔn)的個性化推薦系統(tǒng)是新聞平臺的關(guān)鍵問題[3]。

2 系統(tǒng)推薦流程及設(shè)計

個性化新聞推薦的簡化流程見圖1[4-5]：從用戶閱讀歷史中挖掘用戶興趣，再根據(jù)用戶興趣對候選新聞進(jìn)行個性化排序，最終將排名靠前的新聞?wù)故窘o用戶。雖然對推薦系統(tǒng)已開展了廣泛的研究，但現(xiàn)有推薦算法仍然存在局限性：（1）新聞有強(qiáng)時效性。新聞平臺每天會產(chǎn)生大量新的新聞，而舊的新聞會快速消失。這帶來了嚴(yán)重的冷啟動問題，導(dǎo)致許多如協(xié)同過濾等依賴用戶行為的推薦方法無法使用；（2）新聞文章具有豐富的文本，這些文本包含重要信息未被利用，不能簡單地使用ID等特征來表示新聞；（3）準(zhǔn)確地建模用戶對新聞的興趣存在挑戰(zhàn)。用戶的興趣通常比較多樣并隨時間動態(tài)演化，需要基于大量的用戶反饋行為來挖掘和建模。然而新聞平臺上往往不具有顯式的用戶反饋，甚至隱式反饋也十分稀疏。因此，新聞推薦是一個重要并具有挑戰(zhàn)性的研究課題。

圖1 個性化新聞推薦流程

推薦系統(tǒng)設(shè)計主要可以分為3個部分：數(shù)據(jù)信息層、數(shù)據(jù)處理層和用戶交互層。在數(shù)據(jù)信息層，主要將用戶的行為，如在APP上的閱讀新聞、停留時間等信息存儲到Hadoop集群中，作為離線日志使用；在數(shù)據(jù)處理層，主要使用深度學(xué)習(xí)的方法從離線日志中提取用戶的興趣，同時在新聞庫中使用用戶的興趣進(jìn)行匹配，生成候選新聞集；在用戶交互層中，我們將候選新聞集反饋給用戶，當(dāng)用戶產(chǎn)生瀏覽、點(diǎn)擊等行為后，再將日志落地到Hadoop集群中，以此來優(yōu)化推薦系統(tǒng)。

在本文中，我們利用新聞豐富的文本信息來實(shí)現(xiàn)用戶的個性化新聞推薦。

3 基于內(nèi)容的新聞推薦

在基于內(nèi)容的推薦系統(tǒng)中，我們通過對新聞標(biāo)題進(jìn)行文本分類，對已閱讀及未閱讀的新聞打上相應(yīng)標(biāo)簽。基于新聞標(biāo)簽進(jìn)行推薦的核心就是如何對文本進(jìn)行準(zhǔn)確的自動化分類。本文的推薦系統(tǒng)中，我們使用TextCNN模型對文本進(jìn)行分類。

3.1 TextCNN模型

Kim首先提出了TextCNN模型。網(wǎng)絡(luò)結(jié)構(gòu)見圖2。

圖2 TextCNN網(wǎng)絡(luò)結(jié)構(gòu)

其中，b是偏置，f是一個非線性函數(shù)。將卷積核w應(yīng)用在當(dāng)前句子所有的可能位置{x1:h,x2:h+1,…,xn-h+1:n}，會得到一個特征向量：

然后我們在得到的特征向量上，使用max-pooling操作，在特征向量中取最大值，max-polling操作是獲取對當(dāng)前卷積核響應(yīng)最大的值，同時還可以將變長的向量長度變?yōu)槎ㄩL的特征，這樣我們就可以得到卷積核對應(yīng)的特征值。

在實(shí)際使用中，我們可以使用多個卷積核與多層卷積網(wǎng)絡(luò)進(jìn)行深度特征的提取，最后利用全連接網(wǎng)絡(luò)使輸出特征數(shù)與分類類別匹配，來實(shí)現(xiàn)文本分類。

3.2 新聞分類模型實(shí)驗(yàn)

本文實(shí)驗(yàn)環(huán)境的設(shè)置和實(shí)驗(yàn)平臺的搭建如下:

（1）硬件方面：Windows10系統(tǒng)、CPU Inter(R) Core(TM) i7-8750H 2.20 GHz、內(nèi)存8 GB。

（2）軟件和依賴的庫：Python3.7、Tensorflow_gpu-1.13.1等。

3.2.1 TextCNN模型可調(diào)參數(shù)設(shè)置

在采用TextCNN模型進(jìn)行文本分類時，需要對參數(shù)進(jìn)行選擇。對于模型中的可變參數(shù)，我們選擇了表1所示的參數(shù)。

表1 TextCNN可調(diào)參數(shù)設(shè)置

3.2.2 實(shí)驗(yàn)設(shè)計

在實(shí)驗(yàn)中，我們使用THUCNews數(shù)據(jù)集進(jìn)行測試。THUCNews數(shù)據(jù)集是根據(jù)新浪新聞RSS訂閱頻道2005-2011年間的歷史數(shù)據(jù)篩選過濾生成，包含74萬篇新聞文檔（2.19 GB），劃分出14個候選分類類別：財經(jīng)、彩票、房產(chǎn)、股票、家居、教育、科技、社會、時尚、時政、體育、星座、游戲、娛樂。

我們選擇多個基準(zhǔn)驗(yàn)證TextCNN 模型的分類性能，將TextCNN與傳統(tǒng)的機(jī)器學(xué)習(xí)方法進(jìn)行對比。其中，TextCNN采用一層卷積層稱為TextCNN-1，TextCNN-2采用兩層卷積網(wǎng)絡(luò)，傳統(tǒng)機(jī)器學(xué)習(xí)方法包括樸素貝葉斯(NB)、最近鄰(KNN)和支持向量機(jī)(SVM)。使用各分類整體平均精確率(precision)、召回率(recall)和 F1值(F-measure)評價不同模型的分類效果，作為衡量分類器性能的標(biāo)準(zhǔn)。

3.2.3 結(jié)果分析

在訓(xùn)練過程中，我們隨機(jī)選取90%作為訓(xùn)練集，5%作為測試集，5%作為驗(yàn)證集，結(jié)果見表2。

表2 模型分類結(jié)果比較

通過表2可以發(fā)現(xiàn)：（1）采用預(yù)訓(xùn)練詞向量，作為模型的特征輸入分類模型，在相同的數(shù)據(jù)集上各個分類模型均取得了80%以上的精確率，說明預(yù)訓(xùn)練詞向量表的的文本信息基本可以滿足分類需要。（2）無論單層卷積神經(jīng)網(wǎng)絡(luò)還是多層卷積神經(jīng)網(wǎng)絡(luò)，取得的分類效果都優(yōu)于3種傳統(tǒng)機(jī)器學(xué)習(xí)算法，說明CNN模型在文本分類上有巨大的提升，相比于Naive Bayesian、KNN和SVM，TextCNN-2的F1值分別提升了9.97%、6.38%、4.52%。因此，我們可以得出，使用TextCNN能夠提取更加全面的局部文本塊特征信息，在文本分類效果上有很好的提升。

4 新聞推薦系統(tǒng)實(shí)現(xiàn)

網(wǎng)頁前端使用CSS和HTML完成頁面布局，Java Script實(shí)現(xiàn)新聞的動態(tài)效果。根據(jù)預(yù)先設(shè)定的新聞分類標(biāo)簽，我們將相應(yīng)的新聞歸類到不同的欄目。同時，在首頁根據(jù)用戶興趣實(shí)現(xiàn)個性化推薦，使網(wǎng)頁實(shí)現(xiàn)千人千面，不同的用戶看到的是自己感興趣的新聞。

在網(wǎng)站后端，我們使用Hadoop存儲用戶的瀏覽日志，然后通過個性化推薦模塊產(chǎn)生候選新聞后，將其存儲在Redis中，在前端發(fā)送請求給后端后，可以迅速將推薦候選新聞反饋給前端，實(shí)現(xiàn)高并發(fā)條件下的高可用性。此外，我們在后端部署基于Tensorflow的深度學(xué)習(xí)模型，使系統(tǒng)獲取的新聞可以實(shí)現(xiàn)實(shí)時分類打標(biāo)簽。

5 結(jié)論

本文針對現(xiàn)有推薦系統(tǒng)的局限性，提出一種基于內(nèi)容的新聞個性化推薦算法。該算法利用新聞豐富的文本信息，引入自然語言處理中的文本分類技術(shù)，使用TextCNN模型對新聞自動標(biāo)注，實(shí)現(xiàn)新聞的個性化推薦。相較于傳統(tǒng)的編輯推薦模式，可以省去大量的人工操作，還可以根據(jù)不同的用戶推薦不同的內(nèi)容，做到千人千面。調(diào)查顯示，基于內(nèi)容的個性化推薦系統(tǒng)，受到用戶的廣泛好評。