[發明專利]信息推薦方法、信息推薦裝置及計算機可讀存儲介質

在審

• 申請號: 202010044765.0
• 申請日: 2020-01-15
• 公開（公告）號: CN111274492A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 朱靈子;衡陣
• 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;G06F16/9537
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

本申請實施例公開了一種信息推薦方法、信息推薦裝置及計算機可讀存儲介質，該方法包括：根據用戶集合中各用戶的歷史瀏覽記錄，確定待向第一用戶推薦的至少一條信息；所述用戶集合中各用戶的至少一個信息點相同或者各用戶的至少一個信息點屬于同一類型，所述第一用戶包含于所述用戶集合；將所述至少一條信息推薦給所述第一用戶，可以精準地向用戶畫像不夠完善的新用戶推薦信息。

技術領域

本申請涉及計算機領域，尤其涉及一種信息推薦方法、信息推薦裝置及計算機可讀存儲介質。

背景技術

近年來隨著互聯網和物聯網的快速發展，人們生活的各個方面變得越來越方便，但是也帶來了信息過載的問題，這使得人們很難從大量資源中獲取所需信息。為了讓用戶更準確地獲取到所需要的信息，推薦系統應運而生，推薦系統主要對用戶的歷史行為進行分析，從而獲取到用戶的偏好，然后為用戶進行推薦，其推薦的內容是個性化的。通過這樣的推薦方法，提供給用戶的信息既有用又高效。個性化推薦方法通過分析諸如個人特征和用戶的歷史行為之類的信息向用戶提供可能感興趣的服務。個性化推薦研究已成為數據挖掘和社交網絡領域的熱點。

協同過濾是最成熟，最廣泛的個性化推薦算法。現有的協同過濾推薦算法主要分為基于用戶的協同過濾算法和基于項目(item)的協同過濾算法兩大類。基于用戶的協同過濾算法是指找到相似的用戶A和用戶B(有比較多共同喜好的商品)，將用戶A和用戶B喜好的商品或文章推薦給對方。基于item的協同過濾算法是指找到相似的itemA和itemB(喜歡這兩種商品的人比較類似)，找出和itemA相似的item并作為被推薦候選推薦給用戶A。在為某個社交應用的新用戶推薦文章、視頻的場景中，基于用戶的協同過濾算法和基于item的協同過濾算法表現在新用戶側的信息推薦效果不佳，原因主要在于新用戶的用戶畫像積累太少，使用基于用戶的協同過濾算法和基于item的協同過濾算法進行推薦都需要較多的用戶歷史行為信息和畫像信息，不能精準地為新用戶推薦文章、視頻等，用戶體驗不好。因此，需要研究推薦效果更好的推薦方法。

發明內容

本申請實施例公開了一種信息推薦方法、信息推薦裝置及計算機可讀存儲介質，可以精準地向用戶畫像不夠完善的新用戶推薦信息。

第一方面，本申請實施例提供了一種信息推薦方法，該方法包括：根據用戶集合中各用戶的歷史瀏覽記錄，確定待向第一用戶推薦的至少一條信息；所述用戶集合中各用戶的至少一個信息點相同或者各用戶的至少一個信息點均屬于同一類型，所述第一用戶包含于所述用戶集合；將所述至少一條信息推薦給所述第一用戶。

本申請實施例的執行主體為信息推薦裝置，該信息推薦裝置可以是服務器，也可以是其他具體信息推薦功能的電子設備。信息點(Point of Interest，POI)，也稱為興趣點。POI對應一個用戶地理位置。用戶地理位置是指用戶行為軌跡的聚類中心點。例如服務器獲取到用戶上報信息中的用戶地理位置行為軌跡畫像，可通過聚類算法得到用戶行為軌跡的地理位置聚類中心點，這些用戶行為軌跡聚類中心點即為用戶地理位置。用戶集合中各用戶可以為相同或者同類細粒度信息點(Point of Interest，POI)(例如萬利達科技大廈)下的用戶群體。也就是說，用戶集合中各用戶的至少一個信息點相同，或者，用戶集合中各用戶屬于同一個信息點分類(即用戶集合中各用戶的至少一個POI屬于同一類型)。可以理解，用戶集合中各用戶屬于同一POI群體。由于用戶集合中各用戶屬于同一POI群體，該用戶集合中各用戶通常對同一類信息(例如信息)比較感興趣。因此，將同一POI群體喜愛的信息推薦給該POI群體下的其他用戶，能夠更精準地向用戶推薦信息，進而提高用戶體驗。信息可以包括文章、短視頻、小說、廣告等。

本申請實施例中，根據用戶集合中各用戶的歷史瀏覽記錄確定待向第一用戶推薦的信息，能夠更精準地向用戶推薦信息，進而提高用戶體驗。

在一個可選的實現方式中，所述將所述至少一個信息推薦給所述第一賬號之前，所述方法還包括：獲取所述用戶集合中用戶偏好信息的完整度低于第一閾值的用戶，得到所述第一賬號。