一种基于主题模型的相似文章推荐方法

摘要

本发明涉及一种基于主题模型的相似文章推荐方法，首先通过文章原始文本预处理，提取单纯的文章内容；然后对文章内容进行分词、词性分析，筛选出名词词性的词语，词袋抽取，形成文章主要的词语特征向量；跟着利用所有文章的词语特征向量训练TFIDF模型，基于该TFIDF模型对每篇文章的词语特征向量计算，形成TFIDF特征向量；再之，利用所有文章的TFIDF特征向量训练LSI主题模型；最后使用LSI模型计算得到该文章的潜在主题特征向量，由向量相似度计算可以得到相似文章。本发明能帮助互联网用户高效挖掘感兴趣文章，具有适用范围较大、人工标记成本较低、推荐多样性较好等优点。