信息推送的方法和装置制造方法及图纸

本发明专利技术公开了一种信息推送的方法和装置，属于互联网技术领域。所述方法包括：获取用户对当前书籍的历史行为数据，其中，所述历史行为数据包括：所述用户购买书籍的数据、所述用户搜索书籍的数据和所述用户在线阅读书籍的数据；根据所述用户的历史行为数据分别计算所述当前书籍的流行度分数和所述用户对预设标签的喜好度；根据所述当前书籍的标签、所述当前书籍的流行度分数和所述用户对所述预设标签的喜好度，得到推荐给所述用户的书籍。本发明专利技术通过对用户历史行为数据的分析进行个性化推荐，其中不需要人工编辑，提高了门户网站的推荐效率。

【技术实现步骤摘要】

本专利技术涉及互联网领域，特别涉及一种信息推送的方法和装置。
技术介绍
随着互联网的发展，出现了越来越多的图书门户网站，阅读爱好者不需要花费时间和精力去图书馆购买书籍，在网上就能够方便阅读。由于网上阅读的方便性，选择在网上阅读书籍的用户越来越多。但是怎样获得符合用户兴趣爱好的书籍，以便将用户感兴趣的书籍推荐给用户，是所有图书门户网站需要解决的问题。现有技术中，多数门户网站靠人工统计不同用户的兴趣爱好，从而通过人工编辑推荐给用户可能喜欢的书籍。但是现有技术中通过人工编辑的做法耗费人力资源较大，并且在热门书籍发现的准确性和及时性上较差，导致为用户推荐书籍的效率比较低。
技术实现思路
为了提高门户网站推荐的效率，本专利技术实施例提供了一种信息推送的方法和装置。所述技术方案如下：一方面，提供了一种信息推荐的方法，所述方法包括：获取用户对当前书籍的历史行为数据，其中，所述历史行为数据包括：所述用户购买书籍的数据、所述用户搜索书籍的数据和所述用户在线阅读书籍的数据；根据所述用户的历史行为数据分别计算所述当前书籍的流行度分数和所述用户对预设标签的喜好度，其中，所述预设标签是指所述用户在历史上感兴趣的书籍对应的标签中的每一类标签；根据所述当前书籍的标签、所述当前书籍的流行度分数和所述用户对所述预设标签的喜好度，得到推荐给所述用户的书籍。另一方面，提供了一种信息推荐的装置，所述装置包括：获取模块，用于获取用户对当前书籍的历史行为数据，其中，所述历史行为数据包括：所述用户购买书籍的数据、所述用户搜索书籍的数据和所述用户在线阅读书籍的数据；计算模块，用于根据所述用户的历史行为数据分别计算所述当前书籍的流行度分数和所述用户对预设标签的喜好度，其中，所述预设标签是指所述用户在历史上感兴趣的书籍对应的标签中的每一类标签；推荐模块，用于根据所述当前书籍的标签、所述当前书籍的流行度分数和所述用户对所述预设标签的喜好度，得到推荐给所述用户的书籍。本专利技术实施例提供的技术方案带来的有益效果是：获取用户对当前书籍的历史行为数据，其中，所述历史行为数据包括：所述用户购买书籍的数据、所述用户搜索书籍的数据和所述用户在线阅读书籍的数据；根据所述用户的历史行为数据分别计算所述当前书籍的流行度分数和所述用户对预设标签的喜好度；根据所述当前书籍的标签、所述当前书籍的流行度分数和所述用户对所述预设标签的喜好度，得到推荐给所述用户的书籍。从而通过对用户历史行为数据的分析进行个性化推荐，其中不需要人工编辑，提高了门户网站的推荐效率。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一中提供的一种信息推荐的方法流程图；图2是本专利技术实施例二中提供的一种信息推荐的方法流程图；图3是本专利技术实施例三中提供的一种信息推荐的装置结构示意图；图4是本专利技术实施例三中提供的另一种信息推荐的装置结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。实施例一参见图1，本实施例中提供了一种信息推荐的方法，包括：101、获取用户对当前书籍的历史行为数据，其中，所述历史行为数据包括：所述用户购买书籍的数据、所述用户搜索书籍的数据和所述用户在线阅读书籍的数据；102、根据所述用户的历史行为数据分别计算所述当前书籍的流行度分数和所述用户对预设标签的喜好度，其中，所述预设标签是指所述用户在历史上感兴趣的书籍对应的标签中的每一类标签；103、根据所述当前书籍的标签、所述当前书籍的流行度分数和所述用户对所述预设标签的喜好度，得到推荐给所述用户的书籍。其中，所述根据所述用户的历史行为数据计算所述当前书籍的流行度分数，包括：根据所述用户购买书籍的数据，分别计算所述用户的购买密度和所述用户的购买热度；根据所述用户搜索书籍的数据，分别计算所述用户的搜索密度和所述用户的搜索热度；根据所述用户在线阅读书籍的数据，分别计算所述用户的阅读密度和所述用户的阅读热度；根据所述用户的购买密度和所述用户的购买热度、所述用户的搜索密度和所述用户的搜索热度及所述用户的阅读密度和所述用户的阅读热度，计算得到所述书籍的流行度分数。可选地，所述根据所述用户的历史行为数据计算所述当前书籍的流行度分数之后，还包括：按照所述当前书籍的流行度分数的大小对所述当前书籍进行排序，得到所述当前书籍的热门榜单。可选地，所述根据所述用户的历史行为数据计算所述用户对预设标签的喜好度，包括：根据所述用户的历史行为数据统计所述用户在历史上感兴趣的书籍的名称；根据所述用户在历史上感兴趣的书籍的名称，得到对应所述用户在历史上感兴趣的书籍的标签；分别统计对应所述用户在历史上感兴趣的书籍的总的标签数量和所标签中预设标签出现的次数；根据所述预设标签出现的次数和所述总的标签数量，计算所述用户对所述预设标签的喜好度。相应地，所述根据所述当前书籍的标签、所述当前书籍的流行度分数和所述用户对所述预设标签的喜好度，得到推荐给所述用户的书籍，包括：将所述当前书籍的标签与所述预设标签进行匹配，在所述用户对所述预设标签的喜好度中，找到所有包括所述用户对带有所述当前书籍的标签的喜好度ai；根据所述当前书籍的流行度分数和所述所有包括所述用户对带有所述当前书籍的标签的喜好度；根据所述当前书籍的推荐分数，得到推荐给所述用户的书籍。可选地，所述根据所述用户的历史行为数据计算所述用户对预设标签的喜好度，包括：根据所述用户的历史行为数据得到所述用户在历史上感兴趣的书籍的标签和所述用户在历史上不感兴趣的书籍的标签；分别统计所述用户在历史上感兴趣的书籍的标签中预设标签出现的次数和所述用户在历史上不感兴趣的书籍的标签中所述预设标签出现的次数；根据所述用户在历史上感兴趣的书籍的标签中预设标签出现的次数和所述用户在历史上不感兴趣的书籍的标签中所述预设标签出现的次数，分别得到所述用户在历史上感兴趣的书籍中带有所述预设标签的概率和所述用户在历史上不感兴趣的书籍中带有所述预设标签的概率；根据贝叶斯公式对所述用户在本文档来自技高网...

【技术保护点】
一种信息推荐的方法，其特征在于，所述方法包括：获取用户对当前书籍的历史行为数据，其中，所述历史行为数据包括：所述用户购买书籍的数据、所述用户搜索书籍的数据和所述用户在线阅读书籍的数据；根据所述用户的历史行为数据分别计算所述当前书籍的流行度分数和所述用户对预设标签的喜好度，其中，所述预设标签是指所述用户在历史上感兴趣的书籍对应的标签中的每一类标签；根据所述当前书籍的标签、所述当前书籍的流行度分数和所述用户对所述预设标签的喜好度，得到推荐给所述用户的书籍。

【技术特征摘要】
1.一种信息推荐的方法，其特征在于，所述方法包括：
获取用户对当前书籍的历史行为数据，其中，所述历史行为数据包括：所
述用户购买书籍的数据、所述用户搜索书籍的数据和所述用户在线阅读书籍的
数据；
根据所述用户的历史行为数据分别计算所述当前书籍的流行度分数和所述
用户对预设标签的喜好度，其中，所述预设标签是指所述用户在历史上感兴趣
的书籍对应的标签中的每一类标签；
根据所述当前书籍的标签、所述当前书籍的流行度分数和所述用户对所述
预设标签的喜好度，得到推荐给所述用户的书籍。
2.根据权利要求1所述的方法，其特征在于，所述根据所述用户的历史行
为数据计算所述当前书籍的流行度分数，包括：
根据所述用户购买书籍的数据，分别计算所述用户的购买密度和所述用户
的购买热度；
根据所述用户搜索书籍的数据，分别计算所述用户的搜索密度和所述用户
的搜索热度；
根据所述用户在线阅读书籍的数据，分别计算所述用户的阅读密度和所述
用户的阅读热度；
根据所述用户的购买密度和所述用户的购买热度、所述用户的搜索密度和
所述用户的搜索热度及所述用户的阅读密度和所述用户的阅读热度，计算得到
所述书籍的流行度分数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述用户的历史行
为数据计算所述当前书籍的流行度分数之后，还包括：
按照所述当前书籍的流行度分数的大小对所述当前书籍进行排序，得到所
述当前书籍的热门榜单。
4.根据权利要求1所述的方法，其特征在于，所述根据所述用户的历史行
为数据计算所述用户对预设标签的喜好度，包括：
根据所述用户的历史行为数据统计所述用户在历史上感兴趣的书籍的名
称；
根据所述用户在历史上感兴趣的书籍的名称，得到所述用户在历史上感兴
趣的书籍的标签；
分别统计所述用户在历史上感兴趣的书籍的总的标签数量和所标签中预设
标签出现的次数；
根据所述预设标签出现的次数和所述总的标签数量，计算所述用户对所述
预设标签的喜好度。
5.根据权利要求4所述的方法，其特征在于，所述根据所述当前书籍的标
签、所述当前书籍的流行度分数和所述用户对所述预设标签的喜好度，得到推
荐给所述用户的书籍，包括：
将所述当前书籍的标签与所述预设标签进行匹配，在所述用户对所述预设
标签的喜好度中，找到所有包括所述用户对带有所述当前书籍的标签的喜好度；
根据所述当前书籍的流行度分数和所述所有包括所述用户对带有所述当前
书籍的标签的喜好度，得到对所述当前书籍的推荐分数；
根据所述当前书籍的推荐分数，得到推荐给所述用户的书籍。
6.根据权利要求1所述的方法，其特征在于，所述根据所述用户的历史行
为数据计算所述用户对预设标签的喜好度，包括：
根据所述用户的历史行为数据得到所述用户在历史上感兴趣的书籍的标签
和所述用户在历史上不感兴趣的书籍的标签；
分别统计所述用户在历史上感兴趣的书籍的标签中预设标签出现的次数和
所述用户在历史上不感兴趣的书籍的标签中所述预设标签出现的次数；
根据所述用户在历史上感兴趣的书籍的标签中预设标签出现的次数和所述
用户在历史上不感兴趣的书籍的标签中所述预设标签出现的次数，分别得到所
述用户在历史上感兴趣的书籍中带有所述预设标签的概率和所述用户在历史上
不感兴趣的书籍中带有所述预设标签的概率；
根据贝叶斯公式对所述用户在历史上感兴趣的书籍中带有所述预设标签的
概率和所述用户在历史上不感兴趣的书籍中带有所述预设标签的概率进行计
算，得到所述用户对所述预设标签的喜好度。
7.根据权利要求6所述的方法，其特征在于，所述根据所述当前书籍的标
签、所述当前书籍的流行度分数和所述用户对所述预设标签的喜好度，得到推
荐给所述用户的书籍，包括：
将所述当前书籍的标签与所述预设标签进行匹配，在所述用户对所述预设
标签的喜好度中，找到所有包括所述用户对带有所述当前书籍的标签的喜好度；
根据所述所有包括所述用户对带有所述当前书籍的标签的喜好度，得到所
述用户对所述当前书籍的喜欢概率；
根据所述当前书籍的流行度分数和所述用户对所述当前书籍的喜欢概率，
得到对所述当前书籍的推荐分数；
根据所述当前书籍的推荐分数，得到推荐给所述用户的书籍。
8.一种信息推荐的装置，其特征在于，所述装置包括：

【专利技术属性】
技术研发人员：程刚，李鹤，潘璇，庄子明，
申请(专利权)人：深圳市世纪光速信息技术有限公司，
类型：发明
国别省市：广东;44