基于情感防护的新闻智能推荐系统

摘要

本发明提出一种基于情感防护的新闻智能推荐系统。包括：1.利用BERT预训练模型提取新闻特征和文本的特征词，通过新闻特征向量构建新闻特征矩阵；2.对文本信息进行情感过滤建立情感分级模型，对用户评论、新闻标题和内容实行情感分级以区分其消极和积极程度；3.通过聚类算法将新闻标签聚类，依据用户评论情感等级和用户行为时间对其浏览的新闻分配权重，以用户特征信息构建用户矩阵；4.以用户情感的时间序列预测用户下一时间段内的情感等级；5.通过计算用户和新闻向量的相似度产生推荐表，预测用户情绪状态，以贝叶斯方法按比例推荐新闻，实现动态推送。本发明避免负能量和消极的舆论对用户心理造成伤害，危害社会的公共安全。