[發明專利]信息推薦方法及裝置

在審

• 申請號: 201610048001.2
• 申請日: 2016-01-22
• 公開（公告）號: CN106997358A
• 公開（公告）日: 2017-08-01
• 發明（設計）人: 梁德陽;梅錚;于蓉蓉;許大虎;卓亞麗;魯銀冰;黃偉杰;柯于皇
• 申請（專利權）人: 中移（杭州）信息技術有限公司;中國移動通信集團公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京派特恩知識產權代理有限公司11270
• 代理人: 李梅香,張穎玲

技術領域

本發明涉及信息技術領域，尤其涉及一種信息推薦方法及裝置。

背景技術

當今社會，網絡信息浩如煙海，搜索引擎是用戶查找自己喜愛的信息的重要手段之一，但搜索引擎的前提是用戶知道他/她需要什么，如果連用戶自己都不知道自己能得到什么或想要得到什么的時候，搜索引擎是無能為力的。因此引入智能推薦算法及系統，通過推薦的方法來幫助用戶發現自己需要/喜歡的個性化內容。目前的推薦算法有基于內容的推薦算法、協同過濾推薦算法以及混合推薦算法。

基于內容的推薦系統主要思路是根據歷史信息(如評價、分享、收藏過的文檔)構造用戶內容偏好文檔，然后計算推薦項目與用戶偏好文檔的相似度，將最相似的項目推薦給用戶。這種推薦方法的問題在于，推薦的信息基本都是比較大眾的，只能推薦和用戶已有興趣相似的資源，不能為用戶發現更多新的興趣。

協同過濾推薦算法主要分為兩類：

1：基于用戶的協同過濾算法:用戶對物品的評分比較相似，則他們對其他物品的評分也比較相似，從而找到具有相似興趣的最近鄰，形成推薦。

2：基于物品的協同過濾算法根據用戶對不同物品評分的相似性來估計該用戶對某個物品的評分，以此進行推薦。

上述兩種協同過濾推薦方法存在著以下問題：

一是稀疏性問題，當推薦系統中數據量很大而用戶的顯式評分數據又很少時，難以計算相似性，而無法推薦。二是冷啟動問題，當新物品(即新信息) 剛進入系統時，沒有用戶對其評價，造成協同過濾無法推薦該資源。三是可擴展性問題，用戶和資源會隨時間快速的增長，而協同過濾算法的復雜度和數據量呈線性關系增長，導致大數據量下計算性能與效率問題，可擴展性較差。

發明內容

有鑒于此，本發明實施例期望提供一種信息推薦方法及裝置，至少部分解決現有技術中信息推薦的問題。

為達到上述目的，本發明的技術方案是這樣實現的：

本發明實施例第一方面提供一種信息推薦方法，所述方法包括：

記錄用戶的歷史操作行為；

根據所述歷史操作行為，生成內容偏好標簽；

根據所述內容偏好標簽，確定與目標用戶滿足預設相似度條件的近鄰用戶；

獲取所述近鄰用戶的歷史操作行為數據；

根據所述鄰近用戶的歷史操作行為數據，向所述目標用戶進行信息推薦。

基于上述方案，所述根據所述歷史操作行為，生成內容偏好標簽，包括：

根據所述歷史操作行為，確定指定時間內用戶訪問過的信息；

確定用戶訪問過的信息的權重；

依據所述權重，生成偏好向量。

基于上述方案，所述根據所述內容偏好標簽，確定與目標用戶滿足預設相似度條件的近鄰用戶，包括：

計算目標用戶的第一偏好向量和近鄰備選用戶的第二偏好向量的余弦值；

根據所述余弦值，確定出與所述目標用戶滿足所述預設相似度條件的近鄰用戶。

基于上述方案，所述方法還包括：

根據所述歷史操作行為，確定用戶的活躍度；

基于所述活躍度，篩選出與所述目標用戶進行相似度計算的近鄰備選用戶；

所述根據所述內容偏好標簽，確定與目標用戶滿足預設相似度條件的近鄰 用戶，包括：

根據內容偏好標簽，計算備選近鄰用戶與所述目標用戶的相似度；

根據所述相似度確定出與所述目標用戶滿足預設相似度條件的近鄰用戶。

基于上述方案，所述根據所述歷史操作行為，確定用戶的活躍度，包括：

計算統計周期內用戶集合內的各用戶的活躍度；

剔除異常活躍度對應的用戶，并利用預設函數關系，計算各用戶的活躍度標簽；

根據活躍度標簽確定出所述近鄰備選用戶。

本發明實施例第二方面提供一種信息推薦裝置，所述裝置包括：

記錄單元，用于記錄用戶的歷史操作行為；

生成單元，用于根據所述歷史操作行為，生成內容偏好標簽；

第一確定單元，用于根據所述內容偏好標簽，確定與目標用戶滿足預設相似度條件的近鄰用戶；

獲取單元，用于獲取所述近鄰用戶的歷史操作行為數據；

推薦單元，用于根據所述鄰近用戶的歷史操作行為數據，向所述目標用戶進行信息推薦。

基于上述方案，所述生成單元，具體用于根據所述歷史操作行為，確定指定時間內用戶訪問過的信息；確定用戶訪問過的信息的權重；依據所述權重，生成偏好向量。