[發明專利]一種信息推薦方法及裝置

在審

• 申請號: 201710338502.9
• 申請日: 2017-05-12
• 公開（公告）號: CN108874831A
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 楊新星;周俊;李小龍
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/02;G06Q30/06
• 代理公司: 北京晉德允升知識產權代理有限公司 11623
• 代理人: 楊移

本申請公開了一種信息推薦方法及裝置。所述方法包括：獲取用戶集合中的各用戶對各可推薦信息的實時反應數據；根據所述實時反應數據，確定所述用戶集合對于所述各可推薦信息的全局興趣數據，以及所述用戶集合中的指定用戶對于所述各可推薦信息的個人興趣數據；根據所述全局興趣數據和所述個人興趣數據，為所述指定用戶推薦所述可推薦信息。利用本申請實施例，各可推薦信息可以是新的可推薦信息，可以根據用戶對各可推薦信息的實時反應數據，實時地推測用戶當前的興趣點，則可以有效地學習到用戶是否對新的可推薦信息感興趣，進而有利于降低信息推薦的試錯成本。

技術領域

本申請涉及計算機軟件技術領域，尤其涉及一種信息推薦方法及裝置。

背景技術

在互聯網時代，線上向用戶推薦各種信息是一種常見的現象。新的可推薦信息冷啟動是廣告點擊率預測、個性化推薦等信息推薦方面的應用所廣泛面臨的問題。

具體地，在應用剛剛上線時往往缺乏歷史數據，在這種情況下，對于新的可推薦信息，該應用由于缺乏用戶與該可推薦信息的歷史交互數據，因此，難以學習到用戶的行為偏好和該可推薦信息的特征，所以難以將該可推薦信息精準地向用戶進行推薦。

在現有技術中，主要根據歷史經驗，通過人為地設置一定概率值推薦新的可推薦信息來解決上述冷啟動問題。比如，用戶使用某個電影應用時，該電影應用會按照一定概率推送一些新的電影讓用戶選擇是否喜愛。

但是，由于上述現有技術的信息推薦方式使用了歷史經驗，而且只得到新的可推薦信息非常有限的少量信息，因此，難以有效地學習到用戶是否對新的可推薦信息感興趣，導致信息推薦的試錯成本較高。

發明內容

本申請實施例提供一種信息推薦方法及裝置，用以解決現有技術中的如下技術問題：現有技術的信息推薦方式使用了歷史經驗，而且只得到新的可推薦信息非常有限的少量信息，因此，難以有效地學習到用戶是否對新的可推薦信息感興趣，導致信息推薦的試錯成本較高。

為解決上述技術問題，本申請實施例是這樣實現的：

本申請實施例提供的一種信息推薦方法，包括：

獲取用戶集合中的各用戶對各可推薦信息的實時反應數據；

根據所述實時反應數據，確定所述用戶集合對于所述各可推薦信息的全局興趣數據，以及所述用戶集合中的指定用戶對于所述各可推薦信息的個人興趣數據；

根據所述全局興趣數據和所述個人興趣數據，為所述指定用戶推薦所述可推薦信息。

本申請實施例提供的一種信息推薦裝置，包括：

獲取模塊，獲取用戶集合中的各用戶對各可推薦信息的實時反應數據；

確定模塊，根據所述實時反應數據，確定所述用戶集合對于所述各可推薦信息的全局興趣數據，以及所述用戶集合中的指定用戶對于所述各可推薦信息的個人興趣數據；

推薦模塊，根據所述全局興趣數據和所述個人興趣數據，為所述指定用戶推薦所述可推薦信息。

本申請實施例采用的上述至少一個技術方案能夠達到以下有益效果：各可推薦信息可以是新的可推薦信息，可以根據用戶對各可推薦信息的實時反應數據，實時地推測用戶當前的興趣點，則可以有效地學習到用戶是否對新的可推薦信息感興趣，進而有利于降低信息推薦的試錯成本，因此，可以部分或全部地解決現有技術中的問題。

附圖說明

為了更清楚地說明本申請實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請中記載的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。