[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

技術領域

本發明涉及信息推薦領域，尤其涉及一種基于模擬人類生命活躍度的時間系數與隱性用戶行為評分的內容推薦方法及系統。

背景技術

隨著互聯網的發展，在目前信息過載的時代，用戶面對海量的信息，需要花費大量時間篩選出感興趣的內容。推薦系統被認為是解決上述問題的最有效果的方法。推薦系統針對用戶，為其提供個性化服務，即根據用戶的需要或者偏好，為其推薦可能感興趣的商品、視頻、音樂、新聞等各種內容，為提高用戶體驗，提升用戶忠誠度起到重要作用。以視頻為例，目前幾乎所有的大型的視頻網站，如Hulu、Netflix?都在以不同形式提供個性化推薦系統。

基于用戶的協同過濾算法是推薦系統中常用的一種算法，它通過用戶對被關注內容打分的歷史行為進行分析，挖掘出相似用戶，并推薦相互感興趣的內容?；谟脩舻膮f同過濾算法是建立在用戶對被關注內容打分行為的基礎之上的，然而在實際推薦系統中往往沒有用戶打分模塊，并不能收集到用戶對被關注內容的評價情況；而且即使有用戶評分模塊，大多數用戶不愿過多花費時間給被關注內容評分，或者會給被關注內容一個不準確的評分。由此會造成難于收集到用戶對被關注內容的評分，以及收集到不準確的評分。同時，用戶的評分具有時效性，比如用戶前段時間的喜好和最近的喜好不一樣，若將用戶不同時段對被關注內容的評分視為同等價值，將會造成計算的誤差，降低了推薦結果準確性。另外，被關注內容受歡迎程度與其發布的時間、更新的頻率、自身所屬類別也是息息相關的，而現有技術中的推薦系統并未綜合考慮上述因素，推薦結果不夠準確。

因此，現有技術還有待于改進和發展。

發明內容

鑒于上述現有技術的不足，本發明的目的在于提供一種內容推薦方法及系統，旨在解決現有的推薦系統依賴用戶評分、以及推薦結果不準確的問題。

本發明的技術方案如下：

一種內容推薦方法，其中，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。

所述的內容推薦方法，其中，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。

所述的內容推薦方法，其中，所述步驟B1中，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。

所述的內容推薦方法，其中，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。

所述的內容推薦方法，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）。

所述的內容推薦方法，其中，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。