[發明專利]信息推薦方法、裝置及存儲介質

有效

• 申請號: 201911302507.1
• 申請日: 2019-12-17
• 公開（公告）號: CN111026977B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 余志偉
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 王姍姍;張穎玲

本申請實施例提供一種信息推薦方法、裝置及存儲介質，其中，所述方法包括：確定第一用戶互動過的對象集合；根據所述對象集合中每一對象的權重和對應對象的特征向量，確定所述第一用戶的特征向量；獲取第二用戶集合中的每一第二用戶的特征向量；根據所述第一用戶的特征向量和所述第二用戶的特征向量，在所述第二用戶集合中確定所述第一用戶的相似用戶；將所述相似用戶的互動信息作為待推薦信息，推薦給所述第一用戶。通過本申請，在構造相似用戶時，不僅能夠降低計算量和內存消耗量，而且能夠準確的確定出用戶的相似用戶，進而實現對用戶進行準確的信息推薦。

技術領域

本申請實施例涉及互聯網技術領域，涉及但不限于一種信息推薦方法、裝置及存儲介質。

背景技術

隨著信息技術和互聯網的發展，人們逐漸從信息匱乏的時代走入了信息過載的時代，由于信息量的雪崩式增加，如何在大量的信息中選擇出更符合用戶興趣習慣的信息，并將這些信息優先推薦給用戶，則是急需解決的問題。然而，在對用戶進行信息推薦時，通常是給用戶推薦和他興趣相似的其他用戶所關注的信息，那么，在進行信息推薦之前，首先需要構建用戶的相似用戶。

目前，構建相似用戶的方法主要包括以下兩種：第一種，采用基于用戶的協同過濾算法(UserCF，User Based Collaborative Filtering)構建用戶的兩兩權重對，以確定用戶的相似用戶；第二種，采用節點向量化(Node2vec，Node to vector)的方式構造用戶和信息二部圖的方式訓練出用戶的特征向量，從而確定用戶的相似用戶。

但是，UserCF的方式在用戶規模量較大時計算量和內存消耗量非常大，而Node2vec的方式得出來的結果過于擴散，不能準確確定出用戶的相似用戶。

發明內容

本申請實施例提供一種信息推薦方法、裝置及存儲介質，在構造相似用戶時，不僅能夠降低計算量和內存消耗量，而且能夠準確的確定出用戶的相似用戶，進而實現對用戶進行準確的信息推薦。

本申請實施例的技術方案是這樣實現的：

本申請實施例提供一種信息推薦方法，包括：

確定第一用戶互動過的對象集合；

根據所述對象集合中每一對象的權重和對應對象的特征向量，確定所述第一用戶的特征向量；

獲取第二用戶集合中的每一第二用戶的特征向量，其中，所述第二用戶包括以下至少之一：與所述對象集合中的對象互動過的用戶、與所述對象集合中的對象未互動過的用戶；

根據所述第一用戶的特征向量和所述第二用戶的特征向量，在所述第二用戶集合中確定所述第一用戶的相似用戶；

將所述相似用戶的互動信息作為待推薦信息，推薦給所述第一用戶。

本申請實施例提供一種信息推薦裝置，包括：

第一確定模塊，用于確定第一用戶互動過的對象集合；

第二確定模塊，用于根據所述對象集合中每一對象的權重和對應對象的特征向量，確定所述第一用戶的特征向量；

獲取模塊，用于獲取第二用戶集合中的每一第二用戶的特征向量，其中，所述第二用戶包括以下至少之一：與所述對象集合中的對象互動過的用戶、與所述對象集合中的對象未互動過的用戶；

第三確定模塊，用于根據所述第一用戶的特征向量和所述第二用戶的特征向量，在所述第二用戶集合中確定所述第一用戶的相似用戶；

推薦模塊，用于將所述相似用戶的互動信息作為待推薦信息，推薦給所述第一用戶。

本申請實施例提供一種信息推薦設備，包括：

存儲器，用于存儲可執行指令；處理器，用于執行所述存儲器中存儲的可執行指令時，實現上述的方法。