[發明專利]信息推薦方法、裝置和電子設備

有效

• 申請號: 201810264787.0
• 申請日: 2018-03-28
• 公開（公告）號: CN108491527B
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 趙彩貝
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/33
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

本發明公開了一種信息推薦方法、裝置和電子設備，其中，信息推薦方法包括：獲取初始的信息相似度、初始的頻道相似度以及初始的用戶相似度；初始化用戶信息相關度和用戶頻道相關度；根據信息相似度和用戶相似度更新用戶信息相關度；根據用戶相似度和頻道相似度更新用戶頻道相關度；根據更新后的用戶信息相關度和更新后的用戶頻道相關度更新用戶相似度；根據更新后的用戶相似度，迭代更新用戶信息相關度和用戶頻道相關度；當迭代更新次數達到預設次數時，基于最新更新的用戶信息相關度向用戶推薦信息。本發明實施例的信息推薦方法、裝置和電子設備，充分挖掘用戶與信息之間的潛在關系，使得向用戶推薦信息時精度更高，更加符合用戶需求。

技術領域

本發明涉及信息處理技術領域，尤其涉及一種信息推薦方法、裝置和電子設備。

背景技術

隨著信息化時代的來臨，新聞推薦為用戶提供了快速獲取感興趣的信息的途徑。目前，信息推薦主要包括以下三種方法。(1)協同過濾。該方法只依賴用戶的歷史反饋數據。具體可分為兩類：基于內存的協同過濾和基于模型的協同過濾。基于內存的協同過濾，通過聚合反饋數據計算用戶相似度或產品相似度，推薦相似用戶的點擊的產品或用戶點擊的產品的相似產品。基于模型的協同過濾，使用矩陣分解對用戶的評分矩陣，將用戶和產品映射到一個隱空間中，計算隱空間中用戶和產品的內積，將內積作為相關度，在打分排序后，進行推薦。(2)基于內容的推薦。該方法針對在不同的應用場景下，推薦對象的內容進行推薦，需要對推薦對象有非常深入的理解。(3)結合協同過濾和基于內容的推薦。該方法利用損失函數將兩者進行結合，形成推薦信息。但是，方法(1)信息來源單一，只依賴用戶的歷史反饋數據。并且對于大型的信息推薦系統會有數據稀疏的問題；對于沒有歷史信息的新用戶和新產品，存在冷啟動問題。方法(2)需要對推薦對象有非常深入的理解，成本高。方案(3)結合了用戶的歷史反饋數據和推薦對象的內容，在一定程度上能夠減輕數據稀疏問題和冷啟動問題，但是仍然無法滿足當前信息推薦的需求。

發明內容

本發明提供一種信息推薦方法、裝置和電子設備，以解決上述技術問題中的至少一個。

本發明實施例提供一種信息推薦方法，包括：獲取初始的信息相似度、初始的頻道相似度以及初始的用戶相似度；

初始化用戶信息相關度和用戶頻道相關度；

根據所述信息相似度和所述用戶相似度更新所述用戶信息相關度；

根據所述用戶相似度和所述頻道相似度更新所述用戶頻道相關度；

根據更新后的所述用戶信息相關度和更新后的所述用戶頻道相關度更新所述用戶相似度；

根據更新后的所述用戶相似度，迭代更新所述用戶信息相關度和所述用戶頻道相關度；

當迭代更新次數達到預設次數時，基于最新更新的用戶信息相關度向用戶推薦信息。

可選的，獲取初始的信息相似度，包括：

以預設算法計算出兩條信息之間的文本相似度。

可選的，以預設算法計算出兩條信息之間的文本相似度，包括：

采用文檔主題生成模型LDA分別獲取兩條信息的主題分布；

計算所述兩條信息的主題分布的余弦相似度，并將所述余弦相似度作為所述兩條信息的文本相似度。

可選的，初始化用戶信息相關度，包括：

獲取用戶歷史點擊行為，并根據所述用戶歷史點擊行為對所述用戶信息相關度進行初始化。

可選的，初始化用戶頻道相關度，包括：

獲取用戶歷史關注行為，并根據所述用戶歷史關注行為對所述用戶頻道相關度進行初始化。

可選的，所述頻道相似度通過關注頻道的用戶數計算得到。