[發(fā)明專利]數(shù)據(jù)推薦方法、裝置和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110289868.8
• 申請日: 2021-03-15
• 公開（公告）號: CN113051471A
• 公開（公告）日: 2021-06-29
• 發(fā)明（設(shè)計）人: 田宇;崔鮮云;常飛
• 申請（專利權(quán)）人: 北京線點科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/951
• 代理公司: 北京智沃律師事務(wù)所 11620
• 代理人: 吳志宏

1.一種數(shù)據(jù)推薦方法，應(yīng)用于數(shù)據(jù)推薦系統(tǒng)，其特征在于，所述方法包括：

通過爬蟲技術(shù)以及正文識別技術(shù)獲取目標(biāo)網(wǎng)址中的網(wǎng)頁信息，并將所述網(wǎng)頁信息存儲到爬蟲數(shù)據(jù)庫中；

定時獲取目標(biāo)數(shù)據(jù)，所述目標(biāo)數(shù)據(jù)包括所述爬蟲數(shù)據(jù)庫中存儲的網(wǎng)頁信息和企業(yè)內(nèi)業(yè)務(wù)系統(tǒng)中存儲的結(jié)構(gòu)化數(shù)據(jù)與文件數(shù)據(jù)；

提取所述目標(biāo)數(shù)據(jù)的關(guān)鍵詞信息，并將所述關(guān)鍵詞信息作為數(shù)據(jù)標(biāo)簽；

將所述目標(biāo)數(shù)據(jù)統(tǒng)一調(diào)整為預(yù)設(shè)結(jié)構(gòu)數(shù)據(jù)，預(yù)設(shè)的結(jié)構(gòu)為“主鍵、標(biāo)題、正文、發(fā)布時間、來源、數(shù)據(jù)標(biāo)簽和訪問地址”；

清除所述預(yù)設(shè)結(jié)構(gòu)數(shù)據(jù)中不合格的數(shù)據(jù)；

根據(jù)所述預(yù)設(shè)結(jié)構(gòu)數(shù)據(jù)以及用戶點擊記錄表，通過推薦算法向目標(biāo)用戶推薦數(shù)據(jù)；

以http協(xié)議的方式向其他系統(tǒng)提供推薦的數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過爬蟲技術(shù)以及正文識別技術(shù)獲取目標(biāo)網(wǎng)址中的網(wǎng)頁信息，具體為：

通過爬蟲技術(shù)多進(jìn)程多線程地采集目標(biāo)網(wǎng)址中的網(wǎng)頁信息；

對所述網(wǎng)頁信息進(jìn)行分塊；

計算每個塊的文本密度和符號密度；

根據(jù)所述文本密度和所述符號密度計算塊的密度；

選取密度最高的塊作為目標(biāo)塊，將所述目標(biāo)塊的文本作為所述目標(biāo)網(wǎng)址的正文。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取所述目標(biāo)數(shù)據(jù)的關(guān)鍵詞信息，并將所述關(guān)鍵詞信息作為數(shù)據(jù)標(biāo)簽，具體包括：

對所述目標(biāo)數(shù)據(jù)進(jìn)行詞語切分；

通過TF-IDF算法提取評分最高的預(yù)設(shè)數(shù)量的關(guān)鍵詞，將所述關(guān)鍵詞作為數(shù)據(jù)標(biāo)簽。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述不合格的數(shù)據(jù)包括：標(biāo)題不合格的數(shù)據(jù)、含有敏感詞匯的數(shù)據(jù)和含有列表頁面的數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過推薦算法向目標(biāo)用戶推薦數(shù)據(jù)，具體為：

計算多個用戶之間瀏覽歷史記錄的相似度，在第一用戶與第二用戶之間的瀏覽歷史記錄的相似度高于第一預(yù)設(shè)相似度的情況下，將所述第一用戶與所述第二用戶建立關(guān)聯(lián)關(guān)系；

將所述第二用戶已瀏覽且所述第一用戶未瀏覽的數(shù)據(jù)推薦給所述第一用戶。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過推薦算法向目標(biāo)用戶推薦數(shù)據(jù)，具體為：

在所述目標(biāo)用戶的已瀏覽的第一內(nèi)容與未瀏覽的第二內(nèi)容的相似度高于第二預(yù)設(shè)相似度的情況下，將所述第二內(nèi)容推薦給所述目標(biāo)用戶。

7.根據(jù)權(quán)利要求5或6所述的方法，其特征在于，還包括：

從全體用戶的瀏覽歷史記錄表中查找出閱讀量最高的數(shù)據(jù)；

在已推薦的數(shù)據(jù)量未達(dá)到預(yù)設(shè)數(shù)量的情況下，將所述閱讀量最高的數(shù)據(jù)作為補充內(nèi)容推薦給目標(biāo)用戶。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述根據(jù)所述預(yù)設(shè)結(jié)構(gòu)數(shù)據(jù)以及用戶點擊記錄表，通過推薦算法向目標(biāo)用戶推薦數(shù)據(jù)之后，還包括：

在系統(tǒng)數(shù)據(jù)庫中存儲每個目標(biāo)用戶的關(guān)鍵詞列表；

通過TF-IDF算法提取新增的第三內(nèi)容的關(guān)鍵詞列表；

根據(jù)所述每個目標(biāo)用戶的關(guān)鍵詞列表與所述第三內(nèi)容的關(guān)鍵詞列表計算擬合度；

在所述擬合度高于預(yù)設(shè)擬合度的情況下，將所述第三內(nèi)容推薦給相應(yīng)的目標(biāo)用戶。