[發(fā)明專利]用戶推薦方法及裝置

在審

• 申請?zhí)枺?/td>: 201710174927.0
• 申請日: 2017-03-22
• 公開（公告）號: CN107123057A
• 公開（公告）日: 2017-09-01
• 發(fā)明（設(shè)計）人: 賀三元
• 申請（專利權(quán)）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06F17/30
• 代理公司: 北京博思佳知識產(chǎn)權(quán)代理有限公司11415
• 代理人: 林祥

技術(shù)領(lǐng)域

本申請涉及計算機應(yīng)用領(lǐng)域，尤其涉及一種用戶推薦方法及裝置。

背景技術(shù)

在社交應(yīng)用領(lǐng)域，對用戶進行精準的用戶推薦，是一項應(yīng)用非常普遍的功能；例如，在婚戀應(yīng)用中，為用戶精準的推送潛在的交往對象，是一項非常重要的功能。在傳統(tǒng)的用戶推薦中，通常可以基于用戶自己的描述，來建立起各式各樣的篩選條件，然后通過這些篩選條件來為用戶篩選出符合該用戶要求的其它用戶，并完成推送。

然而，通過這種方式，篩選條件通常比較固定，并且最終的推送精準度取決于建立的篩選條件的數(shù)量；篩選條件太少，推送精準度無法保證；而篩選條件太多，用戶的操作又比較復(fù)雜。甚至，在大多數(shù)情況下，用戶本人可能也無法確定哪一類用戶符合自己的要求，從而影響推送精準度。

發(fā)明內(nèi)容

本申請?zhí)岢鲆环N用戶推薦方法，應(yīng)用于服務(wù)端，所述方法包括：

從采集到的用戶數(shù)據(jù)中提取用戶屬性信息；

基于提取到的多個維度的用戶屬性信息構(gòu)建用戶模型，并基于提取到的新增用戶屬性信息對所述用戶模型進行動態(tài)更新；

計算目標用戶的用戶模型與待推送用戶的用戶模型的相似度；

將與所述目標用戶的用戶模型的相似度達到預(yù)設(shè)閾值的待推送用戶的個人信息，推送至所述目標用戶。

本申請還提出一種用戶推薦裝置，應(yīng)用于服務(wù)端，所述裝置包括：

提取模塊，從采集到的用戶數(shù)據(jù)中提取用戶屬性信息；

構(gòu)建模塊，基于提取到的多個維度的用戶屬性信息構(gòu)建用戶模型，并基于提取到的新增用戶屬性信息對所述用戶模型進行動態(tài)更新；

計算模塊，計算目標用戶的用戶模型與待推送用戶的用戶模型的相似度；

推送模塊，將與所述目標用戶的用戶模型的相似度達到預(yù)設(shè)閾值的待推送用戶的個人信息，推送至所述目標用戶。

本申請中，服務(wù)端通過從采集到的用戶數(shù)據(jù)中提取用戶屬性信息，基于提取到的多個維度的用戶屬性信息構(gòu)建用戶模型，并基于提取到的新增用戶屬性信息對該用戶模型進行動態(tài)更新；當針對目標用戶進行用戶推薦時，可以計算該目標用戶與待推送用戶的用戶模型的相似度，并將與該目標用戶的用戶模型的相似度達到預(yù)設(shè)閾值的待推送用戶的個人信息，推送至該目標用戶，實現(xiàn)了可以基于從用戶數(shù)據(jù)中自主的學(xué)習(xí)到的多個維度的用戶屬性信息，為用戶動態(tài)的構(gòu)建用戶模型，并通過量化不同的用戶模型之間的相似度，來完成針對目標用戶的用戶推薦，從而可以提升用戶推薦的精準度，避免由用戶手動設(shè)置復(fù)雜的用戶篩選條件。

附圖說明

圖1是本申請一實施例示出的一種用戶推薦方法的流程圖；

圖2是本申請一實施例示出的一種用戶推薦裝置的邏輯框圖；

圖3是本申請一實施例示出的承載所述用戶推薦裝置的服務(wù)端所涉及的硬件結(jié)構(gòu)圖。

具體實施方式

隨著移動互聯(lián)網(wǎng)的不斷發(fā)展，越來越多的一站式生活服務(wù)平臺的出現(xiàn)，使得用戶通過移動終端，就可以在線上快速的享受到各式各樣的生活服務(wù)。例如，以支付寶為例(alipay)，作為一個一站式生活服務(wù)平臺，除了提供基礎(chǔ)的支付服務(wù)以外，還提供諸如城市服務(wù)、市政服務(wù)、生活繳費等各式各樣的線上或者線下的服務(wù)。

在一站式生活服務(wù)平臺中，由于其整合了各式各樣的生活服務(wù)，對于平臺方而言，將會采集到來自用戶的各式各樣的用戶數(shù)據(jù)；因此，如何利用好這些數(shù)據(jù)，來實現(xiàn)精準的用戶推薦，對于提升用戶推薦的精準度則具有十分重要的意義。

有鑒于此，本申請?zhí)岢鲆环N依托于一站式生活服務(wù)平臺中匯聚的各式各樣的用戶數(shù)據(jù)的用戶推薦方案。

在具體實現(xiàn)時，一站式生活服務(wù)平臺對應(yīng)的服務(wù)端可以從采集到的用戶數(shù)據(jù)中提取用戶屬性信息，基于提取到的多個維度的用戶屬性信息構(gòu)建用戶模型，并基于提取到的新增用戶屬性信息對該用戶模型進行動態(tài)更新；當針對目標用戶進行用戶推薦時，可以計算目標用戶與待推送用戶的用戶模型的相似度，并將與該目標用戶的用戶模型的相似度達到預(yù)設(shè)閾值的待推送用戶的個人信息，推送至該目標用戶；

通過以上方案，實現(xiàn)了可以基于從用戶數(shù)據(jù)中自主的學(xué)習(xí)到的多個維度的用戶屬性信息，為用戶動態(tài)的構(gòu)建用戶模型，并通過量化不同的用戶模型之間的相似度，來完成針對目標用戶的用戶推薦，從而可以提升用戶推薦的精準度，避免由用戶手動設(shè)置復(fù)雜的用戶篩選條件。

例如，仍以支付寶為例(alipay)，作為一個一站式生活服務(wù)平臺，除了可以提供諸如城市服務(wù)、市政服務(wù)、生活繳費等基礎(chǔ)的線上或者線下的服務(wù)以外，還可以進一步提供“婚戀交友”的服務(wù)。