[發(fā)明專利]數(shù)據(jù)推薦方法及系統(tǒng)

無效

• 申請(qǐng)?zhí)枺?/td>: 201210525910.2
• 申請(qǐng)日: 2012-12-07
• 公開（公告）號(hào): CN103870453A
• 公開（公告）日: 2014-06-18
• 發(fā)明（設(shè)計(jì)）人: 姚璐;陳運(yùn)文;紀(jì)達(dá)麒;劉作濤;辛穎偉;王文廣
• 申請(qǐng)（專利權(quán)）人: 盛樂信息技術(shù)（上海）有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 上海思微知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31237
• 代理人: 菅秀君

技術(shù)領(lǐng)域

本發(fā)明涉及一種數(shù)據(jù)推薦方法及系統(tǒng)。

背景技術(shù)

隨著3G網(wǎng)絡(luò)的普及和、智能手機(jī)、平板電腦的興起，用戶可以隨時(shí)隨地的接觸到信息。調(diào)查顯示用戶通常會(huì)有強(qiáng)烈通過智能手機(jī)、平板電腦等來瀏覽、閱讀資訊、打發(fā)空閑時(shí)間的需求。

現(xiàn)有的數(shù)據(jù)推薦方法或系統(tǒng)通常存在如下問題：

1.用戶在閱讀數(shù)據(jù)如資訊時(shí)，其目的不是去特意的去發(fā)現(xiàn)資訊、獲取知識(shí)，而更多的時(shí)候會(huì)有這樣一種態(tài)度：“給我一些有趣的東西吧”，因此，如果通過每篇資訊本身對(duì)用戶興趣模型建模，然后根據(jù)該興趣模型向用戶推薦資訊但這種推薦的資訊往往會(huì)局限于用戶已經(jīng)知道的內(nèi)容；

2.用戶興趣點(diǎn)容易受到周圍突發(fā)事件的影響，例如，很多用戶被稱作“大賽型球迷”，即這些用戶原來從來不關(guān)注足球，但是由于近期“歐洲杯”如火如荼的進(jìn)行、媒體的宣傳和周圍同事朋友討論，使得這些用戶也會(huì)很樂意的接受足球方面的資訊，現(xiàn)有的推薦方法或推薦系統(tǒng)通常無法把握這種情況下用戶興趣的變化并作相應(yīng)的推薦調(diào)整；

3.用戶的興趣點(diǎn)可能在不同的時(shí)段會(huì)有不同的變化，例如，在每天上班途中用戶可能更樂于接受新聞?lì)惖荣Y訊,下班途中用戶更傾向于輕松、愉快,不需要?jiǎng)幽X子的資訊來消除一天的疲勞，而到了晚上夜深人靜的時(shí)候用戶則可能希望看一些深度的報(bào)道等，現(xiàn)有的推薦方法或推薦系統(tǒng)通常無法考慮到用戶在不同時(shí)段下的興趣變化。

因此，在互聯(lián)網(wǎng)的高速發(fā)展、信息資訊呈爆炸式方式的增長的今天，如何從海量的信息中發(fā)現(xiàn)用戶所感興趣的數(shù)據(jù)，并為其作個(gè)性化推薦是目前亟待解決的問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種數(shù)據(jù)推薦方法及系統(tǒng)，能夠根據(jù)用戶對(duì)數(shù)據(jù)閱讀(瀏覽)歷史記錄確定用戶感興趣的數(shù)據(jù)類目，并從數(shù)據(jù)類目中選取數(shù)據(jù)推薦給用戶，更有效的為用戶推薦感興趣的內(nèi)容，減少用戶無效瀏覽，通過上述的智能推薦方案，可以大大提高用戶快速尋找感興趣內(nèi)容的效率，減少用戶無效瀏覽時(shí)間，尤其是在移動(dòng)設(shè)備使用網(wǎng)絡(luò)流量費(fèi)用比較高的環(huán)境中，節(jié)省了大量的通信流量，為用戶節(jié)省流量費(fèi)用，提高用戶的閱讀滿意度。

為解決上述問題，本發(fā)明提供一種數(shù)據(jù)推薦方法，包括：收集并存儲(chǔ)用戶對(duì)數(shù)據(jù)類目的歷史記錄；

根據(jù)用戶對(duì)數(shù)據(jù)類目的歷史記錄獲取該用戶對(duì)每個(gè)數(shù)據(jù)類目的條件概率值；

根據(jù)所有用戶對(duì)數(shù)據(jù)類目的歷史記錄獲取所有用戶對(duì)每個(gè)數(shù)據(jù)類目的閱讀趨勢(shì)值；

根據(jù)用戶對(duì)數(shù)據(jù)類目的歷史記錄獲取該用戶對(duì)每個(gè)數(shù)據(jù)類目在某個(gè)時(shí)間段內(nèi)的歷史偏好值；

根據(jù)所述條件概率值、閱讀趨勢(shì)值和歷史偏好值獲取該用戶對(duì)每個(gè)數(shù)據(jù)類目在某個(gè)時(shí)間段內(nèi)的預(yù)測(cè)偏好值；

將同一時(shí)間段內(nèi)的預(yù)測(cè)偏好值由高到低排序，獲取前M個(gè)預(yù)測(cè)偏好值最高的數(shù)據(jù)類目向該用戶推薦，M為正整數(shù)。

進(jìn)一步的，在上述方法中，獲取前M個(gè)預(yù)測(cè)偏好值最高的數(shù)據(jù)類目向該用戶推薦的步驟包括：

獲取前M個(gè)預(yù)測(cè)偏好值最高的數(shù)據(jù)類目；

從每個(gè)偏好值最高的數(shù)據(jù)類目中篩選符合預(yù)設(shè)條件的數(shù)據(jù)推薦給該用戶。

進(jìn)一步的，在上述方法中，所述條件概率值通過下述公式獲取：

p(click|Ci)=P(Ci|click)*P(click)P(Ci)]]>