信息推荐方法及装置制造方法及图纸

本申请提供一种信息推荐方法及装置。方法包括：根据目标用户获取的历史数据对象，确定至少一个关联数据对象，关联数据对象不同于历史数据对象；从至少一个关联数据对象中，获取目标用户感兴趣的兴趣数据对象；根据兴趣数据对象以及预设的策略信息与数据对象之间的对应关系，向目标用户推荐策略信息。本申请有针对性的向目标用户推荐策略信息，可以节约信息推荐所消耗的资源。

【技术实现步骤摘要】

本申请涉及互联网
，尤其涉及一种信息推荐方法及装置。
技术介绍
随着互联网的高速发展，网络信息量爆炸式地增长，用户面临的信息过载问题越来越严重。为了解决信息过载的问题，出现了推荐系统。推荐系统的目标是帮助用户在大量信息中找出用户感兴趣的信息为其推荐。在一些场景中，为了便于用户获取数据对象，可能向用户推荐一些与获取数据对象有关的策略信息。由于推荐系统尚不成熟，对于策略的推荐，基本都是通过广撒网式进行推荐。这种广撒网式的推荐重在将信息推荐给用户，并不考虑用户是否感兴趣，所以一般是将信息全部推荐给用户，容易造成资源浪费。
技术实现思路
本申请的多个方面提供一种信息推荐方法及装置，用以节约信息推荐所消耗的资源。本申请的一方面，提供一种信息推荐方法，包括：根据目标用户获取的历史数据对象，确定至少一个关联数据对象，所述关联数据对象不同于所述历史数据对象；从所述至少一个关联数据对象中，获取所述目标用户感兴趣的兴趣数据对象；根据所述兴趣数据对象以及预设的策略信息与数据对象之间的对应关系，向所述目标用户推荐策略信息。本申请的另一方面，提供一种信息推荐装置，包括：确定模块，用于根据目标用户获取的历史数据对象，确定至少一个关联数据对象，所述关联数据对象不同于所述历史数据对象；获取模块，用于从所述至少一个关联数据对象中，获取所述目标用户感兴趣的兴趣数据对象；推荐模块，用于根据所述兴趣数据对象以及预设的策略信息与数据对象之间的对应关系，向所述目标用户推荐策略信息。在本申请中，预先建立策略信息与数据对象之间的映射关系，在向目标用户推荐策略信息时，根据目标用户获取的历史数据对象，确定不同于该历史数据对象的至少一个关联数据对象，从至少一个关联数据对象中，获取目标用户感兴趣的兴趣数据对象，根据兴趣数据对象以及策略信息与数据对象之间的对应关系，向目标用户推荐策略信息。与广撒网式的推荐方式相比，本申请依据目标用户感兴趣的数据对象进行推荐，推荐给目标用户的是与目标用户感兴趣的数据对象相关的策略信息，而不是全部策略信息，这种推荐方式具有一定针对性，可以节约信息推荐所消耗的资源。【附图说明】为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请一实施例提供的信息推荐方法的流程示意图；图2为本申请一实施例提供的预测目标用户对每个关联数据对象的评分方法流程示意图；图3为本申请一实施例提供的会员卡推荐方法的流程示意图；图4为本申请一实施例提供的信息推荐装置的结构示意图。【具体实施方式】为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。针对现有广撒网式推荐方式存在的问题，本申请提供一种解决方案，主要原理是：预先建立策略信息与数据对象之间的对应关系，在向用户推荐策略信息时，从用户获取的历史数据对象的关联数据对象中，获取用户感兴趣的数据对象，根据用户感兴趣的数据对象以及策略信息与数据对象之间的对应关系，向用户推荐策略信息。本申请依据用户感兴趣的数据对象进行推荐，推荐给用户的是与用户感兴趣的数据对象相关的策略信息，而不是全部策略信息，这种推荐方式具有一定针对性，可以节约信息推荐所消耗的资源。另外，从用户的角度来看，用户收到的策略信息数量较少，且策略信息都是和自己感兴趣的数据对象有关的，用户不会反感，有利于提高用户的体验度。图1为本申请一实施例提供的信息推荐方法的流程示意图。如图1所示，该方法包括：101、根据目标用户获取的历史数据对象，确定至少一个关联数据对象，关联数据对象不同于历史数据对象。102、从至少一个关联数据对象中，获取目标用户感兴趣的兴趣数据对象。103、根据兴趣数据对象以及预设的策略信息与数据对象之间的对应关系，向目标用户推荐策略信息。本实施例提供一种信息推荐方法，可由信息推荐装置来执行，用以向用户推荐策略信息。为便于区分和描述，将需要向其推荐策略信息的用户称为目标用户，目标用户可以是任意用户。本申请涉及的历史数据对象以及关联数据对象均属于数据对象。从数据形态来看，本申请的数据对象可以是能够在计算机上呈现且可以被用户获取到的任何形态的数据。从数据含义来看，本申请的数据对象可以是任何对用户具有实际意义的数据，例如可以是商品描述信息、图书信息、评论、影视资源等等。在一些实际应用中，为了便于用户获取数据对象，一般会提供一些与该数据对象相关的策略信息。在本实施例中，为了便于用户了解这些策略信息，信息推荐装置可以将这些策略信息推荐给用户。在本实施例中，预先设置策略信息与数据对象之间的对应关系。所述策略信息可以是与数据对象有关的优惠策略信息，例如会员卡信息或优惠券信息等，或者也可以是与数据对象有关的快捷路径信息等。信息推荐装置具体基于策略信息与数据对象之间的对应关系，向用户推荐策略信息。具体的，信息推荐装置可以根据目标用户的数据对象获取记录，获得目标用户之前获取过的数据对象，将用户之前获取过的数据对象简称为历史数据对象。之后，信息推荐装置根据目标用户获取的历史数据对象，确定至少一个关联数据对象，关联数据对象实际上是指不同于历史数据对象的数据对象。举例说明，在电子商务场景中，用户获取的历史数据对象实际上是指用户购买过的历史商品信息；相应的，关联数据对象实际上是指不同于用户购买过的历史商品信息的其它商品信息。在电子商务场景中，信息推荐装置可以根据目标用户的消费记录，统计、分析出该目标用户购买过的历史商品信息；之后，根据目标用户购买过的历史商品信息，进而按照一定方式确定相关的商品信息。一种根据目标用户获取的历史数据对象，确定至少一个关联数据对象的方式为：根据预设的策略信息与数据对象之间的对应关系，确定历史数据对象对应的策略信息所对应的除历史数据对象之外的其余数据对象为关联数据对象。例如，在电子商务场景中，在获得目标用户购买过的历史商品信息之后，可以确定该历史商品信息对应的策略信息，再将该策略信息对应的全部商品信息中去除历史商品信息，将剩余的其它商品信息作为关联商品信息。在上述实施方式中，历史数据对象对应的策略信息优选是希望推荐给用户但尚未推荐给用户的策略信息。另一种根据目标用户获取的历史数据对象，确定至少一个关联数据对象的方式为：确定获取历史数据对象的非目标用户，将非目标用户所获取的除历史数据对象之外的其它数据对象作为关联数据对象。例如，在电子商务场景中，在获得目标用户购买过的历史商品信息之后，可以确定购买过该历史商品信息的其它用户，即非目标用户，进一步确定非目标用户购买的其它商品信息，将非目标用户购买的其它商品信息作为关联商品信息。在获得关联数据对象之后，信息推荐装置从至少一个关联数据对象中，获取用户感兴趣的数据对象，简称为兴趣数据对象。可选的，信息推荐装置可以根据本文档来自技高网...

【技术保护点】
一种信息推荐方法，其特征在于，包括：根据目标用户获取的历史数据对象，确定至少一个关联数据对象，所述关联数据对象不同于所述历史数据对象；从所述至少一个关联数据对象中，获取所述目标用户感兴趣的兴趣数据对象；根据所述兴趣数据对象以及预设的策略信息与数据对象之间的对应关系，向所述目标用户推荐策略信息。

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：根据目标用户获取的历史数据对象，确定至少一个关联数据对象，所述关联数据对象不同于所述历史数据对象；从所述至少一个关联数据对象中，获取所述目标用户感兴趣的兴趣数据对象；根据所述兴趣数据对象以及预设的策略信息与数据对象之间的对应关系，向所述目标用户推荐策略信息。2.根据权利要求1所述的方法，其特征在于，所述根据目标用户获取的历史数据对象，确定至少一个关联数据对象，包括：根据预设的策略信息与数据对象之间的对应关系，确定所述历史数据对象对应的策略信息所对应的除所述历史数据对象之外的其余数据对象为所述关联数据对象；或者确定获取所述历史数据对象的非目标用户，将所述非目标用户所获取的除所述历史数据对象之外的其它数据对象作为所述关联数据对象。3.根据权利要求1所述的方法，其特征在于，所述从所述至少一个关联数据对象中，获取所述目标用户感兴趣的兴趣数据对象，包括：根据数据对象集合中已经被评分的数据对象的评分，预测所述目标用户对所述至少一个关联数据对象中每个关联数据对象的评分，所述数据对象集合由所述历史数据对象以及所述至少一个关联数据对象构成；根据所述目标用户对每个关联数据对象的评分，从所述至少一个关联数据对象中获取所述目标用户感兴趣的兴趣数据对象。4.根据权利要求3所述的方法，其特征在于，所述根据数据对象集合中已经被评分的数据对象的评分，预测所述目标用户对所述至少一个关联数据对象中每个关联数据对象的评分，包括：建立二维评分矩阵R(m*n)；其中，n表示所述数据对象集合中数据对象的数
\t量，m表示用户集合中用户的数量，所述用户集合由获取所述数据对象集合中任意数据对象的用户构成；R中的元素vij表示所述用户集合中第i个用户对所述数据对象集合中第j个数据对象的评分，若第i个用户未对第j个数据对象进行评分，则vij＝0，1≤i≤m，1≤j≤n；根据所述二维评分矩阵，计算所述数据对象集合中两两数据对象之间的相似度；根据每个关联数据对象与所述数据对象集合中其它数据对象之间的相似度，确定每个关联数据对象的最近邻居集合；根据每个关联数据对象与每个关联数据对象的最近邻居集合中各数据对象之间的相似度以及所述二维评分矩阵中所述目标用户对每个关联数据对象的最近邻居集合中各数据对象的评分，预测所述目标用户对每个关联数据对象的评分。5.根据权利要求1所述的方法，其特征在于，所述根据所述兴趣数据对象以及预设的策略信息与数据对象之间的对应关系，向所述目标用户推荐策略信息，包括：根据所述策略信息与数据对象之间的对应关系，确定所述兴趣数据对象对各会员卡的覆盖率；根据所述兴趣数据对象对各会员卡的覆盖率，向所述目标用户推荐策略信息。6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述兴趣数据对象以及预设的策略信息与数据对象之间的对应关系，向所述目标用户推荐策略信息之后，还包括：建立所述推荐给所述目标用户的策略信息与所述目标用户之间的映射关系，并存储所述映射关系。7.根据权利要求1-5任一项所述的方法，其特征在于，所述策略信息为会员卡信息或优惠券信息。8.根据权利要求1...

【专利技术属性】
技术研发人员：孙龙菲，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY