1.一种基于用户行为序列填充和筛选的新闻点击率预测方法，该方法包括：步骤1：数据获取；

使用微软提供的新闻数据集MIND(Microsoft News Dataset)，从MIND数据集中随机抽样50000用户和他们的行为记录，记为MIND‑small数据集；MIND‑small数据集中包括两部分，用户数据、新闻数据；用户数据的属性包括：用户ID、时间戳、用户点击历史，新闻数据的属性包括：新闻ID、新闻标题、新闻摘要、新闻内容、新闻类别；

步骤2：用户行为序列填充，用户行序列是由用户点击的新闻组成，一个点击新闻代表了一个行为；

当用户的行为序列中的数量N小于等于G时采用符号“0”或者其它相应符号进行填充这些用户行为序列，G为用户行为序列可以填充的最小阈值，；

当用户行为序列中的数量N大于G少于阈值K时，将这些用户行为序列使用sentence‑Bert方法得到用户行为序列向量，使用sentence‑Bert方法得到所有新闻列表中每个新闻的句子向量，计算用户行为序列向量与新闻的句子向量的相关度，选取相关度最大的K‑N个新闻进行用户行为填充；

步骤3：用户行为序列筛选，当用户行为序列中的数量N大于K时，对用户行为进行筛选；

计算该用户N个行为与候选新闻的相关度，从这N个行为中筛选出与候选新闻相关度最大的S个行为，S小于K，再从剩余行为中随机选择K‑S个行为，共同组成K个行为；

步骤4：新闻点击预测；

将在获得最终的用户行为序列之后，构建新闻点击概率预测神经网络模型，该模型输入为用户行为序列和当前候选新闻，输出为候选新闻被点击的概率，该神经网络的损失函数L为：

yi为新闻点击率样本标签，当用户点击了该候选新闻时为1，否则为0；为模型实际的输出概率值，D为训练样本的总数量。

2.如权利要求1所述的一种基于用户行为序列填充和筛选的新闻点击率预测方法，其特征在于，所述步骤2中G大于等于6小于等于8，K大于等于12小于等于15。

3.如权利要求1所述的一种基于用户行为序列填充和筛选的新闻点击率预测方法，其特征在于，所述步骤2和步骤3中计算相关度为余弦相关度。