使用Python构建自定义新闻源

• 来源 | 愿码(ChainDesk.CN)内容编辑
• 愿码Slogan | 连接每个程序员的故事
• 网站 | http://chaindesk.cn
• 愿码愿景 | 打造全学科IT系统免费课程，助力小白用户、初级工程师0成本免费系统学习、低成本进阶，帮助BAT一线资深工程师成长并利用自身优势创造睡后收入。
• 官方公众号 | 愿码 | 愿码服务号 | 区块链部落
• 免费加入愿码全思维工程师社群 | 任一公众号回复“愿码”两个字获取入群二维码

---

本文阅读时长：12min

要创建自定义新闻Feed模型，我们需要可以训练的数据。这些培训数据将被输入模型，以教它区分我们感兴趣的文章和我们不感兴趣的文章。

在本文中，我们将学习构建自定义新闻语料库并分别注释与兴趣相对应的大量文章。

创建受监督的训练数据集

---

在我们在新闻文章中创建我们的品味模型之前，我们需要培训数据。这些培训数据将被输入我们的模型，以教它区分我们感兴趣的文章和我们不感兴趣的文章。要构建此语料库，我们需要注释大量符合这些兴趣的文章。对于每篇文章，我们将其标记为“y”或“n”。这将表明该文章是否是我们希望在我们的日常摘要中发送给我们的文章。

为简化此过程，我们将使用Pocket应用程序。Pocket是一个应用程序，允许您保存故事以供稍后阅读。您只需安装浏览器扩展，然后在希望保存故事时单击浏览器工具栏中的Pocket图标。该文章将保存到您的个人存储库中。Pocket的一个重要功能就是它的用途，能够使用您选择的标签保存文章。我们将使用此功能将有趣的文章标记为“y”，将非有趣的文章标记为“n”。

安装Pocket Chrome扩展程序

我们在这里使用谷歌浏览器，但其他浏览器应该类似。对于Chrome，请进入Google App Store并查找“扩展”部分：

点击蓝色的添加到Chrome按钮。如果您已有帐户，请登录，如果您还没有帐户，请继续注册（免费）。完成后，您应该会在浏览器的右上角看到Pocket图标。它将显示为灰色，但是一旦有想要保存的文章，您可以单击它。保存文章后，它将变为红色，如下图所示。

右上角可以看到灰色图标。

单击图标时，它会变为红色，表示文章已保存。

开始保存您遇到的所有文章。用“y”标记有趣的标签，用“n”标记非有趣的标签。这将需要一些工作。你的最终结果只会和训练集一样好，所以你需要为数百篇文章做这件事。如果您在保存文章时忘记标记文章，则可以随时访问该网站http://www.get.pocket.com，在其中标记。

使用Pocket API检索故事

既然您已经将文章保存到Pocket，那么下一步就是检索它们。为此，我们将使用Pocket API。您可以通过https：// ge tpocket.com/developer