微博推荐方法和终端技术

本发明专利技术实施例提供一种微博推荐方法和终端。该方法包括：获取终端的第一状态感知数据；将该第一状态感知数据按照数据类别模型进行分类，并获得分类结果；根据预设的计算规则对分类结果进行计算，确定第一兴趣状态数据；根据微博推荐模型，确定该第一兴趣状态数据对应的微博产品，并向用户推荐微博产品。本发明专利技术通过针对每个用户建立数据类别模型和预设的微博推荐模型，实现向每个用户推送比较能满足用户需求的微博产品，使用户获得更好的体验。

【技术实现步骤摘要】

本专利技术实施例涉及信息
，尤其涉及一种微博推荐方法和终端。
技术介绍
微博已成为人们日常生活的一部分，可以满足人们各方面的需求，如信息、社交和 休闲等。对于微博来说，及时恰当地推荐满足用户需求的微博产品，如微博话题、微博音乐 和微博商品等，可以极大地提高用户对微博的依赖性。 现有技术中，为了找到满足用户需求的产品，微博会对用户网页端的数据进行简 单规则的统计，进而提供用户个性化的微博产品的推荐，但由于用户网页端的数据类型单 一，对其进行简单的统计并不能准确的得出比较能满足用户需求的微博产品，导致用户体 验性差。
技术实现思路
本专利技术实施例提供一种微博推荐方法和终端，用以实现向用户推送比较能满足用 户需求的微博产品，使用户获得更好的体验。 第一方面，本专利技术实施例提供了一种微博推荐方法，包括： 获取终端的第一状态感知数据； 将所述第一状态感知数据按照数据类别模型进行分类，并获得分类结果； 根据预设的计算规则对所述分类结果进行统计，确定第一兴趣状态数据； 根据微博推荐模型，确定所述第一兴趣状态数据对应的微博产品，并向用户推荐 所述微博产品。 结合第一方面，在第一方面的第一种实施方式中，所述将所述第一状态感知数据 按照数据类别模型进行分类之前还包括： 按照预设的采集频率对第一交互数据进行采集，获得第二交互数据，所述第一交 互数据为从微博服务提供商与所述终端交互的数据； 采用降低维度技术或者矩阵分解技术对所述第二交互数据进行过滤，获得第一数 量的第三交互数据； 按照所述数据类别模型获取第二数量的所述第三交互数据并进行标注，所述第二 数量小于或等于第一数量； 采用终生机器学习方法对标注后的第三交互数据进行训练，获得所述数据类别模 型。 结合第一方面或第一方面的第一种实施方式，在第一方面的第二种实施方式中， 所述将所述第一状态感知数据按照数据类别模型进行分类之前，还包括： 采用降低维度技术或者矩阵分解技术对所述第一状态感知数据进行过滤，获得第 二状态感知数据； 所述将所述第一状态感知数据按照数据类别模型进行分类，并获得分类结果包 括： 将所述第二状态感知数据按照所述数据类别模型进行分类，并获得分类结果。 结合第一方面或第一方面的第一种实施方式或第一方面的第二种实施方式，在第 一方面的第三种实施方式中，所述根据微博推荐模型，确定所述第一兴趣状态数据对应的 微博产品之前，还包括： 按照微博产品的类别获取第三数量的历史兴趣状态数据，并对所述历史兴趣状态 数据进行标注； 利用终生机器学习方法对所述标注后的历史兴趣状态数据进行训练，确定所述微 博推荐模型。 结合第一方面或第一方面的第一种实施方式或第一方面的第二种实施方式或第 一方面的第三种实施方式，在第一方面的第四种实施方式中，所述向用户推荐所述微博产 品之后，还包括： 获取用户反馈的微博推荐信息； 根据所述微博推荐信息，更新所述微博推荐模型。 结合第一方面或第一方面的第一种实施方式或第一方面的第二种实施方式或第 一方面的第三种实施方式或第一方面的第四种实施方式，在第一方面的第五种实施方式 中，根据预设的计算规则对所述分类结果进行统计，确定第一兴趣状态数据之前，还包括： 确定所述分类结果对应的权重； 所述根据预设的计算规则对所述分类结果进行统计包括： 根据所述分类结果对应的权重对所述第一状态感知数据进行整合计算，得到所述 第一兴趣状态数据。 第二方面，本专利技术实施例提供了一种终端，包括： 获取模块，用于获取所述终端的第一状态感知数据； 分类模块，用于将所述第一状态感知数据按照数据类别模型进行分类，并获得分 类结果； 计算模块，用于根据预设的计算规则对所述分类结果进行统计，确定第一兴趣状 态数据； 确定模块，用于根据微博推荐模型，确定所述第一兴趣状态数据对应的微博产品， 并向用户推荐所述微博产品。 结合第二方面，在第二方面的第一种实施方式中，所述的终端还包括采集模块、第 一过滤模块、第一标记模块以及第一训练模块， 所述采集模块，具体用于按照预设的采集频率对第一交互数据进行采集，获得第 二交互数据，所述第一交互数据为微博服务提供商与所述终端交互的数据； 所述第一过滤模块，具体用于采用降低维度技术或者矩阵分解技术对所述第二交 互数据进行过滤，获得第一数量的第三交互数据； 所述第一标记模块，具体用于按照所述数据类别模型获取第二数量的所述第三交 互数据并进行标注； 所述第一训练模块，具体用于采用终生机器学习方法对标注后的第三交互数据进 行训练，获得所述数据类别模型； 所述分类模块，具体用于将所述第一状态感知数据按照所述第一训练模块训练出 的数据类别模型进行分类，并获得分类结果。结合第二方面或第二方面的第一种实施方式， 在第二方面的第二种实施方式中，所述终端还包括第二过滤模块， 所述第二过滤模块，具体用于采用降低维度技术或者矩阵分解技术对所述第一状 态感知数据进行过滤，获得第二状态感知数据； 所述分类模块，具体用于将所述第二状态感知数据按照所述数据类别模型进行分 类，并获得分类结果。 结合第二方面或第二方面的第一种实施方式或第二方面的第二种实施方式，在第 二方面的第三种实施方式中，所述终端还包括第二训练模块， 所述获取模块，还用于按照微博产品的类别获取第三数量的历史兴趣状态数据进 行标注； 所述第二训练模块，具体用于利用终生机器学习方法对所述标注后的历史兴趣状 态数据进行训练，确定所述微博推荐模型。 结合第二方面或第二方面的第一种实施方式或第二方面的第二种实施方式或第 二方面的第三种实施方式，在第二方面的第四种实施方式中，所述终端还包括更新模块， 所述获取模块，还用于获取用户反馈的微博推荐信息；所述更新模块，具体用于根据所述微博推荐信息，更新所述微博推荐模型。 结合第二方面或第二方面的第一种实施方式或第二方面的第二种实施方式或第 二方面的第三种实施方式或第二方面的第四种实施方式，在第二方面的第五种实施方式 中， 所述确定模块，还用于确定所述分类结果对应的权重； 所述计算模块，具体用于根据所述分类结果对应的权重对所述第一状态感知数据 进行整合计算，得到所述第一兴趣状态数据。 本专利技术提供的微博推荐方法和终端，通过获取终端的第一状态感知数据；将该第 一状态感知数据按照数据类别模型进行分类，并获得分类结果；根据预设的计算规则对分 类结果进行计算，确定第一兴趣状态数据；根据预设的微博推荐模型，确定该第一兴趣状态 数据对应的微博产品，并向用户推荐所述微博产品。本专利技术通过针对每个用户获取数据类 别模型和预设的微博推荐模型，实现向每个用户推送比较能满足用户需求的微博产品，使 用户获得更好的体验。【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 用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本专利技术微博推荐方法一个实施例的流程图； 图2为本专利技术微博推荐方法又一个实施例的流程图； 图3为本专利技术终端一个实施例的结构示意图； 图4为本专利技术终端的另一个实施例的结构示意图； 图5为本专利技术终端的另一个实施例的结构示意图。【本文档来自技高网...

【技术保护点】
一种微博推荐方法，其特征在于，包括：获取终端的第一状态感知数据；将所述第一状态感知数据按照数据类别模型进行分类，并获得分类结果；根据预设的计算规则对所述分类结果进行统计，确定第一兴趣状态数据；根据微博推荐模型，确定所述第一兴趣状态数据对应的微博产品，并向用户推荐所述微博产品。

【技术特征摘要】

【专利技术属性】
技术研发人员：杨强，甄毅，江焯林，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44