[發(fā)明專利]一種信息推薦方法及網(wǎng)絡(luò)設(shè)備

有效

• 申請?zhí)枺?/td>: 201710208979.5
• 申請日: 2017-03-31
• 公開（公告）號: CN107038226B
• 公開（公告）日: 2019-10-15
• 發(fā)明（設(shè)計(jì)）人: 姬晨
• 申請（專利權(quán)）人: 努比亞技術(shù)有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 深圳協(xié)成知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44458
• 代理人: 章小燕

本發(fā)明實(shí)施例公開了一種信息推薦的方法及網(wǎng)絡(luò)設(shè)備，該方法包括：利用預(yù)設(shè)的主題模型獲取待推薦項(xiàng)目的主題分布，并將所述待推薦項(xiàng)目的主題分布作為所述待推薦項(xiàng)目的特征向量；獲取用戶的實(shí)時(shí)興趣向量；所述用戶的實(shí)時(shí)興趣向量包括預(yù)設(shè)時(shí)間內(nèi)用戶對各個(gè)主題的喜好程度；利用預(yù)設(shè)的相似度算法獲取所述用戶的實(shí)時(shí)興趣向量與所述待推薦項(xiàng)目的特征向量之間的相似度；當(dāng)所述用戶的實(shí)時(shí)興趣向量與所述待推薦項(xiàng)目的特征向量之間的相似度大于或等于預(yù)設(shè)的閾值時(shí)，推薦所述待推薦項(xiàng)目。該方法能夠精準(zhǔn)地且實(shí)時(shí)地為用戶推薦符合用戶當(dāng)前需求的信息。

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種信息推薦方法及網(wǎng)絡(luò)設(shè)備。

背景技術(shù)

面對互聯(lián)網(wǎng)上的海量信息，越來越多的用戶希望找到其感興趣的信息，并期望獲得愉悅的瀏覽體驗(yàn)。例如，用戶通過互聯(lián)網(wǎng)瀏覽關(guān)注的新聞、觀看感興趣的視頻、購買需求的商品等。為了方便用戶獲取個(gè)人感興趣的信息和內(nèi)容，近年來，對于個(gè)性化推薦技術(shù)的研究獲得了越來越多的關(guān)注，成為了一個(gè)熱門的研究領(lǐng)域。

在傳統(tǒng)的推薦系統(tǒng)中，需要對每個(gè)待推薦項(xiàng)目進(jìn)行關(guān)鍵詞提取，并將提取的關(guān)鍵詞生成待推薦項(xiàng)目的特征向量；另外，還需要利用用戶之前瀏覽的項(xiàng)目的關(guān)鍵詞來建立用戶興趣模型，當(dāng)對目標(biāo)用戶進(jìn)行信息推薦時(shí)，系統(tǒng)需要計(jì)算該用戶興趣模型與每個(gè)待推薦項(xiàng)目的特征向量的相似度，然后再通過相似度比較來進(jìn)行信息推薦。雖然該推薦系統(tǒng)達(dá)到了信息推薦的目的，但是，由于用戶興趣模型以及待推薦項(xiàng)目的特征向量的生成都是基于提取項(xiàng)目中的關(guān)鍵詞實(shí)現(xiàn)的，如此，帶來了如下問題：(1)傳統(tǒng)的推薦系統(tǒng)難以按照用戶對信息的喜好程度為用戶推薦信息，即推薦相關(guān)項(xiàng)目；(2)由于用戶興趣模型的建立需要大量的關(guān)鍵詞，所以用戶興趣模型的計(jì)算量較大，復(fù)雜度較高，從而難以實(shí)時(shí)完成信息的推薦；(3)系統(tǒng)無法識別詞與詞之間的相近關(guān)系，因此難以從用戶實(shí)時(shí)的行為數(shù)據(jù)中提取出能夠準(zhǔn)確反映用戶特征的關(guān)鍵詞，進(jìn)一步地，也無法精準(zhǔn)地為用戶推薦符合用戶當(dāng)前需求的信息。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提出一種信息推薦方法及網(wǎng)絡(luò)設(shè)備，旨在能夠快速識別用戶的喜好，及時(shí)地為用戶推薦當(dāng)前較為感興趣的信息。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

第一方面，本發(fā)明實(shí)施例提供了一種信息推薦的方法，所述方法包括：

利用預(yù)設(shè)的主題模型獲取待推薦項(xiàng)目的主題分布，并將所述待推薦項(xiàng)目的主題分布作為所述待推薦項(xiàng)目的特征向量；

獲取用戶的實(shí)時(shí)興趣向量；所述用戶的實(shí)時(shí)興趣向量包括預(yù)設(shè)時(shí)間內(nèi)用戶對各個(gè)主題的喜好程度；

利用預(yù)設(shè)的相似度算法獲取所述用戶的實(shí)時(shí)興趣向量與所述待推薦項(xiàng)目的特征向量之間的相似度；

當(dāng)所述用戶的實(shí)時(shí)興趣向量與所述待推薦項(xiàng)目的特征向量之間的相似度大于或等于預(yù)設(shè)的閾值時(shí)，推薦所述待推薦項(xiàng)目。

在上述方案中，所述獲取用戶的實(shí)時(shí)興趣向量，具體包括：

獲取預(yù)設(shè)時(shí)間內(nèi)用戶對已操作項(xiàng)目的興趣度；

利用所述主題模型獲取所述已操作項(xiàng)目的主題分布，并將所述已操作項(xiàng)目的主題分布作為所述已操作項(xiàng)目的特征向量；

根據(jù)所述用戶對已操作項(xiàng)目的興趣度和所述已操作項(xiàng)目的特征向量獲取用戶的實(shí)時(shí)興趣向量。

在上述方案中，所述獲取預(yù)設(shè)時(shí)間內(nèi)用戶對已操作項(xiàng)目的興趣度，具體包括：

根據(jù)預(yù)設(shè)時(shí)間內(nèi)用戶對已操作項(xiàng)目I_i的操作類型獲取所述用戶對已操作項(xiàng)目I_i的偏好值H(I_i)；其中，i＝1,2,…,N，N表示所述預(yù)設(shè)時(shí)間內(nèi)已操作項(xiàng)目的數(shù)目；