[發明專利]一種內容推薦方法及系統

有效

• 申請號: 201310406047.3
• 申請日: 2013-09-09
• 公開（公告）號: CN103544212A
• 公開（公告）日: 2014-01-29
• 發明（設計）人: 岳麓;楊劼;鄭巧玲
• 申請（專利權）人: TCL集團股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 深圳市君勝知識產權代理事務所 44268
• 代理人: 王永文;劉文求

1.一種內容推薦方法，其特征在于，包括步驟：

A、通過交互程序腳本收集用戶原始行為數據，對收集到的用戶原始行為數據進行統計得到量化的用戶量化行為數據；

B、通過模擬人類生命活躍度獲得用戶行為的時間系數；

C、根據用戶行為的時間系數以及用戶量化行為數據，對用戶對被關注內容的喜愛程度進行評分，獲取評分情況；

D、將評分情況輸入到協同過濾算法，得到推薦結果，并向用戶推送推薦結果。

2.根據權利要求1所述的內容推薦方法，其特征在于，所述步驟B具體包括：

B1、獲取用戶量化行為數據中的與被關注內容的指標相關的狀態影響因子Factor1，0＜Factor1＜1；

B2、獲取被關注內容的各項指標的時間影響因子Factor2，0＜Factor2＜1；

B3、計算出每一項指標的時間系數Coefficient，其中，Coefficient=Factor1*Factor2。

3.根據權利要求2所述的內容推薦方法，其特征在于，所述步驟B1中，Factor1?是一個影響相應指標大小的各向因素的模型，表示用戶量化指標的準確性；所述步驟B2中，Factor2=Xⁿ，X為自定義參數，n為用于表示用戶最后一次行為距離當前時間的時間距離。

4.根據權利要求2所述的內容推薦方法，其特征在于，所述狀態影響因子Factor1包括：點擊因子Factor1_?clickNum、收藏因子Factor1_collect、完整度因子Factor1_complete。

5.根據權利要求4所述的內容推薦方法，其特征在于，

其中，所述：點擊因子Factor1_?clickNum=（E_clickNum,?W_clickNum）；

收藏因子Factor1_collect=f（T_collect，F_collect）；

完整度因子Factor1_complete?=f（F_complete，T_complete）。

6.根據權利要求2所述的內容推薦方法，其特征在于，所述步驟C具體包括：

C1、對用戶量化行為數據中被關注內容的每一項指標乘以時間系數得到用戶時間行為數據；

C2、對用戶時間行為數據進行歸一化處理得到用戶歸一化行為數據，使得用戶歸一化行為數據統一到一個參考系下；

C3、對用戶歸一化行為數據中的被關注內容的各項指標分配一權重值，獲取用戶對被關注內容的評分情況。

7.根據權利要求6所述的內容推薦方法，其特征在于，所述步驟C2中，歸一化處理的公式為：y=(x-MinValue)/(MaxValue-MinValue)，其中，y為歸一化后的用戶歸一化行為數據，x為用戶時間行為數據，MinValue為用戶時間行為數據的最小值，MinValue為用戶時間行為數據的最大值。

8.一種內容推薦系統，其特征在于，包括：

收集統計模塊，用于通過交互程序腳本收集用戶原始行為數據，對收集到的用戶原始行為數據進行統計得到量化的用戶量化行為數據；

時間系數獲取模塊，用于通過模擬人類生命活躍度獲得用戶行為的時間系數；

評分模塊，用于根據用戶行為的時間系數以及用戶量化行為數據，對用戶對被關注內容的喜愛程度進行評分，獲取評分情況；

推薦模塊，用于將評分情況輸入到協同過濾算法，得到推薦結果，并向用戶推送推薦結果。

9.根據權利要求8所述的內容推薦系統，其特征在于，所述時間系數獲取模塊包括：

狀態影響因子獲取單元，用于獲取用戶量化行為數據中的與被關注內容的指標相關的狀態影響因子Factor1，0＜Factor1＜1；

時間影響因子獲取單元，用于獲取被關注內容的各項指標的時間影響因子Factor2，0＜Factor2＜1；

時間系數計算單元，用于計算出每一項指標的時間系數Coefficient，其中，Coefficient=Factor1*Factor2。

10.根據權利要求8所述的內容推薦系統，其特征在于，所述評分模塊包括：

時間系數處理單元，用于對用戶量化行為數據中被關注內容的每一項指標乘以時間系數得到用戶時間行為數據；

歸一化處理單元，用于對用戶時間行為數據進行歸一化處理得到用戶歸一化行為數據，使得用戶歸一化行為數據統一到一個參考系下；

評分單元，用于對用戶歸一化行為數據中的被關注內容的各項指標分配一權重值，獲取用戶對被關注內容的評分情況。