(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211071901.0 (22)申请日 2022.09.02 (71)申请人 中国第一汽车股份有限公司 地址 130011 吉林省长 春市汽车 经济技术 开发区新红旗大街1号 (72)发明人 贾振坤　袁鲁峰　付振　王明月　 刘拼拼　蒋迎平　 (74)专利代理 机构 北京博浩百 睿知识产权代理 有限责任公司 1 1134 专利代理师 曾红芳 (51)Int.Cl. G06F 16/9535(2019.01) G06K 9/62(2022.01) (54)发明名称 新闻推荐方法、 装置、 电子设备及计算机可 读存储介质 (57)摘要 本发明公开了一种新闻推荐方法、 装置、 电 子设备及计算机可读存储介质。 其中， 该方法包 括： 接收车端发送的新闻推荐请求， 获取目标对 象的静态属性数据， 已点击新闻数据， 候选新闻 数据； 将静态属性数据， 已点击新闻数据与候选 新闻数据输入至目标推荐模型中的向量关系表 示模块， 输 出第一三元组， 第二三元组， 第三三元 组； 将第一三元组， 第二三元组， 第三三元组输入 至目标推荐模 型中的距离确定模块， 输出第一距 离与第二距离； 将第一距离与第二距离输入至目 标推荐模型中的推荐模块， 输出推荐新闻数据， 将推荐新闻数据反馈至车端。 本发 明解决了相关 技术中依据车端内存储的历史浏览新闻数据为 用户推荐新闻时， 存在推荐新闻的难以符合用户 偏好的技 术问题。 权利要求书3页 说明书9页 附图1页 CN 115391659 A 2022.11.25 CN 115391659 A 1.一种新闻推荐方法， 其特 征在于， 包括： 接收车端发送 的基于目标对象的新闻推荐请求， 获取所述目标对象的静态属性数据， 所述目标对象在第一预定历史时间段内的已点击新闻数据， 以及第二预定历史时间段内的 候选新闻数据； 将所述静态属性数据， 所述已点击新闻数据与 所述候选新闻数据输入至目标推荐模型 中的向量关系表示模块， 输出与所述静态属 性数据对应的第一三元组， 与所述已点击新闻 数据对应的第二 三元组， 以及与所述 候选新闻数据对应的第三 三元组； 将所述第一三元组， 所述第 二三元组与 所述第三三元组输入至所述目标推荐模型中的 距离确定模块， 输出第一距离与第二距离， 其中， 所述第一距离为所述第一三元组中初始实 体与所述第三三元组中初始实体之 间的路径距离， 所述第二距离为所述第二三元组中初始 实体与所述第三 三元组中初始实体之间的路径 距离； 将所述第一距离与 所述第二距离输入至所述目标推荐模型中的推荐模块， 输出推荐新 闻数据， 并将所述推荐新闻数据反馈至所述车端， 其中， 所述推荐新闻数据为从所述候选新 闻数据中确定出的数据。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述静态属性数据， 所述已点击新 闻数据与所述候选新闻数据输入至目标推荐模型中的向量关系表示模块， 输出与所述静态 属性数据对应的第一三元组， 与所述已点击新闻数据对应的第二三元组， 以及与所述候选 新闻数据对应的第三 三元组， 包括： 确定在预定时间内所述已点击新闻数据的第 一点击频次， 以及在所述预定时间内所述 候选新闻数据的第二 点击频次； 将所述静态属性数据， 所述已点击新闻数据， 所述候选新闻数据， 所述第一点击频次， 以及所述第二点击频次输入至所述目标推荐模型中的所述向量关系表示模块， 输出所述第 一三元组， 所述第二三元组， 所述第三三元组， 所述第二三元组中初始实体的第一权重值， 以及所述第三 三元组中初始实体的第二权 重值。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述静态属性数据， 所述已点击新 闻数据与所述候选新闻数据输入至目标推荐模型中的向量关系表示模块， 输出与所述静态 属性数据对应的第一三元组， 与所述已点击新闻数据对应的第二三元组， 以及与所述候选 新闻数据对应的第三 三元组， 包括： 在所述向量关系表示模块中， 确定与所述静态属性数据对应的第一初始三元组， 与所 述已点击新闻数据对应的第二初始 三元组， 以及与所述候选新闻数据对应的第三初始三元 组； 在所述向量关系 表示模块中， 依据实体关系Transh算法， 分别将所述第一初始三元组， 所述第二初始三元组与所述第三初始三元组投影到预定平面， 得到所述第一三元组， 所述 第二三元组与所述第三 三元组。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述静态属性数据， 所述已点击新 闻数据与所述候选新闻数据输入至目标推荐模型中的向量关系表示模块， 输出与所述静态 属性数据对应的第一三元组， 与所述已点击新闻数据对应的第二三元组， 以及与所述候选 新闻数据对应的第三 三元组之前， 还 包括： 确定所述目标推荐模型， 其中， 所述目标推荐模型为依据多组样本数据训练得到的， 所权　利　要　求　书 1/3 页 2 CN 115391659 A 2述样本数据包括样本对 象的样本静态属 性数据， 所述样本对 象的样本已点击新闻数据， 样 本候选新闻数据以及样本推荐新闻数据。 5.根据权利要求4所述的方法， 其特征在于， 所述方法还包括： 采用以下方式对所述多 组样本数据进行训练， 得到所述目标推荐模型： 获取初始推荐模型， 以及构造用于模型训练的损失函数， 其中， 所述损失函数用于保证 与输入数据对应的三元组的准确性； 基于所述损 失函数， 采用所述多组样本数据对所述初始推荐模型进行训练， 得到所述 目标推荐模型。 6.根据权利要求5所述的方法， 其特 征在于， 所述构造用于模型训练的损失函数， 包括： 获取输入数据对应的三元组， 其中， 所述 三元组包括初始实体， 关系与目标实体； 确定所述初始实体与所述关系的和向量； 确定所述和向量与所述目标实体的差向量； 依据所述差向量， 构建损失函数项； 基于所述损失函数项， 构建所述损失函数。 7.根据权利要求1至6中任意一项所述的方法， 其特征在于， 将所述第一距离与所述第 二距离输入至所述目标推荐模型中的推荐模块， 输出推荐新闻数据， 其中， 所述推荐新闻数 据为从所述 候选新闻数据中确定出的数据， 包括： 在所述推荐模块中， 依据所述第一距离与所述第二距离， 确定所述候选新闻数据中任 意一条新闻数据的点击概 率； 在所述推荐模块中， 依据所述候选新闻数据中任意一条新闻数据的所述点击概率， 输 出所述推荐新闻数据。 8.一种新闻推荐装置， 其特 征在于， 包括： 接收模块， 用于接收移动端发送的基于目标对象的新闻推荐请求， 获取所述目标对象 的静态属 性数据， 所述 目标对象在第一预定历史时间段内的 已点击新闻数据， 以及第二预 定历史时间段内的候选新闻数据； 向量确定模块， 用于将所述静态属性数据， 所述已点击新闻数据与所述候选新闻数据 输入至目标推荐模型中的向量关系表示模块， 输出与所述静态属性数据对应的第一三元 组， 与所述已点击新闻数据对应的第二三元组， 以及与所述候选新闻数据对应的第三三元 组； 距离确定模块， 用于将所述第一三元组， 所述第二三元组与所述第三三元组输入至所 述目标推荐模型中的距离确定模块， 输出第一距离与第二距离， 其中， 所述第一距离为所述 第一三元组中初始实体与所述第三三元组中初始实体之 间的路径距离， 所述第二距离为所 述第二三元组中初始实体与所述第三 三元组中初始实体之间的路径 距离； 推荐模块， 用于将所述第 一距离与 所述第二距离输入至所述目标推荐模型中的推荐模 块， 输出推荐新闻数据， 并将所述推荐新闻数据反馈至所述移动端， 其中， 所述推荐新闻数 据为从所述 候选新闻数据中确定出的数据。 9.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储所述处 理器可执行指令的存 储器；权　利　要　求　书 2/3 页 3 CN 115391659 A 3