[發明專利]熱點數據的推薦方法和裝置

在審

• 申請號: 202010215173.0
• 申請日: 2020-03-24
• 公開（公告）號: CN113449175A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 王穎帥
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 李陽;郭晗

本發明公開了一種熱點數據的推薦方法和裝置，涉及計算機技術領域。該方法的一具體實施方式包括：計算數據的熱度得分以生成數據的熱度標簽；使用熱度標簽對數據的特征向量進行打標，以生成訓練數據；通過對訓練數據集進行訓練以得到熱點數據推薦模型；使用熱點數據推薦模型確定熱點數據并進行推薦。該實施方式應用前沿的深度學習技術，通過啟發式方法構建潛在上升顯著的訓練數據集，預測未來短時間內可能熱門且幅度增長較大的熱點數據，展示給用戶，在吸引用戶注意力、提升用戶體驗的同時，也使得熱點數據的推薦更加實時多樣。

技術領域

本發明涉及計算機技術領域，尤其涉及一種熱點數據的推薦方法和裝置。

背景技術

隨著大數據和互聯網的發展，越來越多的用戶喜歡從網絡上獲取熱點數據。例如：從網站上獲取實時熱點新聞、從網上購物平臺上獲取熱門商品，等等。相應地，各個網站或平臺為了吸引用戶，也會對用戶進行熱點數據的推薦。

以網上購物為例，一般來說，不同用戶對不同品類內容感興趣程度不一樣，特別是不活躍用戶或新注冊用戶，如何能快速吸引其眼球，抓住用戶購物需求，為用戶提供耳目一新的商品時效性享受，是一件有意義的事情。

現有技術在為用戶進行數據推薦時，更多的是考慮數據的熱門程度或全量商品的中長期熱門程度，當捕獲不到用戶的歷史行為時，則將通用的熱點數據直接展示。

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：

將通用的熱點數據直接展示有可能遺漏目前熱度不高但上升趨勢顯著的數據，故而推薦結果不夠科學、合理。

發明內容

有鑒于此，本發明實施例提供一種熱點數據的推薦方法和裝置，能夠應用前沿的深度學習技術，通過啟發式方法構建潛在上升顯著的訓練數據集，預測未來短時間內可能熱門且幅度增長較大的熱點數據，展示給用戶，在吸引用戶注意力、提升用戶體驗的同時，也使得熱點數據的推薦更加實時多樣。

為實現上述目的，根據本發明實施例的一個方面，提供了一種熱點數據的推薦方法。

一種熱點數據的推薦方法，包括：計算數據的熱度得分以生成所述數據的熱度標簽；使用所述熱度標簽對所述數據的特征向量進行打標，以生成訓練數據；通過對訓練數據集進行訓練以得到熱點數據推薦模型；使用所述熱點數據推薦模型確定熱點數據并進行推薦。

可選地，計算數據的熱度得分以生成所述數據的熱度標簽包括：計算數據在最近時段內的訪問增加率；根據所述訪問增加率計算所述數據的熱度得分；通過將所述熱度得分與預設閾值進行比較以生成所述數據的熱度標簽。

可選地，計算數據在最近時段內的訪問增加率包括：計算數據在最近時段內平均每天的第一訪問量，以及數據在指定時段內平均每天的第二訪問量，所述指定時段長于所述最近時段且包括所述最近時段；將所述第一訪問量與所述第二訪問量之比作為所述數據在最近時段內的訪問增加率。

可選地，通過將所述熱度得分與預設閾值進行比較以生成所述數據的熱度標簽包括：將所述熱度得分與預設閾值進行比較，若所述熱度得分大于所述預設閾值，則將所述數據的熱度標簽置為1；否則，將所述數據的熱度標簽置為0。

可選地，通過對訓練數據集進行訓練以得到熱點數據推薦模型包括：將所述訓練數據集中的訓練數據分為離散數據集和連續數據集；對所述離散數據集和所述連續數據集分別使用不同的網絡進行特征處理，并將處理后的特征進行拼接；將拼接后的特征輸入至反向聯合訓練層以得到熱點數據推薦模型。

可選地，對于所述離散數據集，首先利用梯度下降樹的葉子節點進行特征選擇，然后對選擇的特征通過因子分解機生成低維稠密特征向量以進行特征處理。

可選地，對于所述連續數據集，使用深度學習神經網絡進行特征處理。

根據本發明實施例的另一方面，提供了一種熱點數據的推薦裝置。