一种实时信息的推荐方法、装置和系统制造方法及图纸

本发明专利技术实施例公开了一种实时信息的推荐方法、装置和系统；本发明专利技术实施例采用获取用户行为数据，根据该用户行为数据分别计算用户的短期兴趣、长期兴趣和实时兴趣，然后根据用户的短期兴趣、长期兴趣和实时兴趣确定用户兴趣，并基于该用户兴趣向用户推荐实时信息；该方案可以提高时效性，以及改善推荐效果。

【技术实现步骤摘要】

本专利技术涉及通信
，具体涉及一种实时信息的推荐方法、装置和系统。
技术介绍
互联网信息的急速增长，使得人们淹没在资讯的海洋中，如何在浩瀚的信息海洋中快速地找到需要的信息，是一个极为重要的问题。为了解决互联网海量信息资源出现的“信息过载”问题，协助用户从玲琅满目的海量信息中快速获取到自己所需的信息，现有技术提出了各种信息的推荐方案，所谓信息推荐，指的是根据用户的兴趣特点和行为，向用户推荐用户感兴趣的信息，为此，现有的推荐算法主要可分为两大类，一是基于行为的推荐算法、二是基于内容的推荐算法。其中，基于行为的推荐算法主要是通过统计用户对信息的行为，以及计算推荐池中各信息的相似度，然后将与该行为所对应的信息相似度较高的信息推荐给用户。而基于内容的推荐算法则主要是通过对各类信息进行打关键字，以及对用户的兴趣进行挖掘，以确定用户所感兴趣的关键字，然后基于该感兴趣的关键字和各类信息的关键字计算推荐列表，并推荐给用户。在对现有技术的研究和实践过程中，本专利技术的专利技术人发现，现有的推荐方案或是需要依赖大量的用户参与，或时没有考虑用户的兴趣变化，因此，时效性较差，而对于实时信息，如新闻类的信息，均具有一次性消费的特点(即对于相同内容的新闻，用户只会阅读一次)，时效性极为重要，因此，对于实时信息而言，现有的推荐方案的推荐效果并不佳。
技术实现思路
本专利技术实施例提供一种实时信息的推荐方法、装置和系统，可以提高其时效性，灵活、准确且及时地将用户当前最感兴趣的实时信息推荐给用户，大大改善推荐效果。本专利技术实施例提供一种实时信息的推荐方法，包括：获取用户行为数据；根据所述用户行为数据分别计算用户的短期兴趣、长期兴趣和实时兴趣；根据所述用户的短期兴趣、长期兴趣和实时兴趣确定用户兴趣；基于所述用户兴趣向用户推荐实时信息。相应的，本专利技术实施例还提供一种实时信息的推荐装置，包括：获取单元，用于获取用户行为数据；运算单元，用于根据所述用户行为数据分别计算用户的短期兴趣、长期兴趣和实时兴趣；确定单元，用于根据所述用户的短期兴趣、长期兴趣和实时兴趣确定用户兴趣；推荐单元，用于基于所述用户兴趣向用户推荐实时信息。此外，本专利技术实施例还提供一种实时信息的推荐系统，包括本专利技术实施例提供的任一种实时信息的推荐装置。本专利技术实施例采用获取用户行为数据，根据该用户行为数据分别计算用户的短期兴趣、长期兴趣和实时兴趣，然后根据用户的短期兴趣、长期兴趣和实时兴趣确定用户兴趣，并基于该用户兴趣向用户推荐实时信息；由于该方案在计算用户的兴趣时，不仅将用户的长期兴趣作为考量因素，而且，也将用户的短期兴趣与实时兴趣也作为考量因素，以反映出用户的兴趣随时间变化的情况，因此，相对于现在技术而言，可以更加灵活、准确且及时地将用户当前最感兴趣的实时信息推荐给用户，在提高时效性的同时，大大改善推荐效果。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1a是本专利技术实施例提供的实时信息的推荐系统的场景示意图；图1b是本专利技术实施例提供的实时信息的推荐方法的流程图；图2是本专利技术实施例提供的实时信息的推荐方法的另一流程图；图3a是本专利技术实施例提供的实时信息的推荐装置的结构图；图3b是本专利技术实施例提供的实时信息的推荐装置的另一结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域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，都属于本专利技术保护的范围。本专利技术实施例提供一种实时信息的推荐方法、装置和系统。参见图1a，该实时信息的推荐系统包括本专利技术实施例所提供的任一种实时信息的推荐装置，该实时信息的推荐装置具体可以集成在服务器，比如推荐服务器中。此外，该实时信息的推荐系统还可以包括其他的设备，比如用户设备，以及用于保存用户行为数据的用户服务器，以及用于保存原始实时信息的信息服务器等。例如，以该实时信息的推荐装置集成在推荐服务器中为例，则当需要对实时信息进行推荐时，该推荐服务器可以从用户服务器获取用户行为数据，根据该用户行为数据分别计算用户的短期兴趣、长期兴趣和实时兴趣，然后根据该用户的短期兴趣、长期兴趣和实时兴趣确定用户兴趣，从信息服务器获取实时信息，并基于该用户兴趣向用户设备推荐实时信息，比如新闻等。其中，短期兴趣指的是用户在较短的一个周期内所计算得到的兴趣权值，具体可以根据获取到的用户行为数据计算用户在预置周期(比如30天)中每一天的兴趣权值，得到天兴趣权值，并对该天兴趣权值按照时间进行衰减来得到；长期兴趣指的是用户在较长一个周期内所计算得到的兴趣权重，比如可以根据该用户行为数据计算用户在一年内的兴趣权值，等等；而实时兴趣则指的是用户当前兴趣权值，比如用户当前点击的了某个关键字或标签，等等。以下将分别进行详细说明。实施例一、本实施例将从实时信息的推荐装置的角度进行描述，该实时信息的推荐装置具体可以集成在服务器，比如推荐服务器等设备中。一种实时信息的推荐方法，包括：获取用户行为数据；根据该用户行为数据分别计算用户的短期兴趣、长期兴趣和实时兴趣；根据该用户的短期兴趣、长期兴趣和实时兴趣确定用户兴趣；基于该用户兴趣向用户推荐实时信息。如图1b所示，该实时信息的推荐方法的具体流程可以如下：101、获取用户行为数据。其中，用户行为数据指的是可供用户行为分析的相关数据，比如用户的浏览记录、点击记录和/或下载记录等数据。这些用户行为数据可以存储在该实时信息的推荐装置中，也可以存储在其他的设备，比如用户服务器等设备中。以存储在用户服务器为例，则此时，具体可以从用户服务器中获取用户行为数据。102、根据该用户行为数据分别计算用户的短期兴趣、长期兴趣和实时兴趣。例如，具体可以如下：(1)根据该用户行为数据计算用户在预置周期中每一天的兴趣权值，得到天兴趣权值，并对该天兴趣权值按照时间进行衰减，得到用户的短期兴趣。其中，按时间进行衰减的方式可以有多种，例如，具体可以如下：A、根据该天兴趣权值确定当前需要进行衰减的兴趣权值。B、对该需要进行衰减的兴趣权值按照时间进行衰减，得到衰减后的兴趣权值。比如，可以确定该需要进行衰减的兴趣权值所在的日期与当前日期的日期差，计算该日期差与预置衰减系数的乘积，并计算1与该乘积的差，然后将该需要进行衰减的兴趣权值乘以该差，得到衰减后的兴趣权值。比如，若用μ来表示衰减系数，用D表示需要进行衰减的兴趣权值所在的日期与当前日期的日期差，interest_weightk表示需要进行衰减的兴趣权值，则衰减后兴趣权值final_weightk用公式表示为：final_weightk＝interest_weightk*(1-D*μ)。其中，衰减系数可以根据实际应用的需求进行设置，在此不再赘述。C、返回执行根据该天兴趣权值确定当前需要进行衰减的兴趣权值的步骤，直至该天兴趣权值中所有需要进行衰减的本文档来自技高网...

【技术保护点】
一种实时信息的推荐方法，其特征在于，包括：获取用户行为数据；根据所述用户行为数据分别计算用户的短期兴趣、长期兴趣和实时兴趣；根据所述用户的短期兴趣、长期兴趣和实时兴趣确定用户兴趣；基于所述用户兴趣向用户推荐实时信息。

【技术特征摘要】
1.一种实时信息的推荐方法，其特征在于，包括：获取用户行为数据；根据所述用户行为数据分别计算用户的短期兴趣、长期兴趣和实时兴趣；根据所述用户的短期兴趣、长期兴趣和实时兴趣确定用户兴趣；基于所述用户兴趣向用户推荐实时信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述用户行为数据分别计算用户的短期兴趣、长期兴趣和实时兴趣，包括：根据所述用户行为数据计算用户在预置周期中每一天的兴趣权值，得到天兴趣权值，并对所述天兴趣权值按照时间进行衰减，得到用户的短期兴趣；根据所述用户行为数据计算用户在预置时间范围内的兴趣权值，得到用户的长期兴趣，所述预置时间范围大于一天；根据所述用户行为数据确定用户当前点击的兴趣权值，得到用户的实时兴趣。3.根据权利要求2所述的方法，其特征在于，所述对所述天兴趣权值按照时间进行衰减，得到用户的短期兴趣，包括：根据所述天兴趣权值确定当前需要进行衰减的兴趣权值；对所述需要进行衰减的兴趣权值按照时间进行衰减，得到衰减后的兴趣权值；返回执行根据所述天兴趣权值确定当前需要进行衰减的兴趣权值的步骤，直至所述天兴趣权值中所有需要进行衰减的兴趣权重衰减完毕；对得到的所有衰减后的兴趣权值进行统计，得到用户的短期兴趣。4.根据权利要求3所述的方法，其特征在于，所述对所述需要进行衰减的兴趣权值按照时间进行衰减，得到衰减后的兴趣权值，包括：确定所述需要进行衰减的兴趣权值所在的日期与当前日期的日期差；计算所述日期差与预置衰减系数的乘积，并计算1与所述乘积的差；将所述需要进行衰减的兴趣权值乘以所述差，得到衰减后的兴趣权值。5.根据权利要求2所述的方法，其特征在于，所述根据所述用户行为数据
\t计算用户在预置时间范围内的兴趣权值，得到用户的长期兴趣，包括：根据所述用户行为数据统计用户在当前日期的一年内，每个月的用户行为；根据所述每个月的用户行为计算每个兴趣在当月的权重；根据所述每个兴趣在当月的权重计算一年内每个兴趣的平均权重；对所述平均权重进行统计，得到用户的长期兴趣。6.根据权利要求1至5任一项所述的方法，所述基于所述用户兴趣向用户推荐实时信息，包括：根据所述用户兴趣，从实时信息的倒排索引中召回相应的实时信息，得到候选推荐信息；基于所述候选推荐信息推荐实时信息给所述用户。7.根据权利要求6所述的方法，其特征在于，所述将基于所述候选推荐信息推荐实时信息给所述用户，包括：计算所述候选推荐信息中各实时信息与所述用户兴趣的匹配度，得到实时信息的兴趣相关性；确定所述候选推荐信息中各实时信息的发布时间确定各实时信息的新鲜度，得到实时信息的时新性；确定所述候选推荐信息中各实时信息的点击率，并根据所述点击率计算点击模型因子；根据所述兴趣相关性、时新性和点击模型因子从所述候选推荐信息中确定推荐信息；将所述推荐信息推荐给所述用户。8.根据权利要求7所述的方法，其特征在于，所述根据所述兴趣相关性、时新性和点击模型因子从所述候选推荐信息中确定推荐信息，包括：根据所述兴趣相关性、时新性和点击模型因子对所述候选推荐信息中的实时信息进行评分；将评分高于预置阈值的实时信息确定为推荐信息。9.根据权利要求6所述的方法，其特征在于，所述根据所述兴趣相关性、时新性和点击模型因子从所述候选推荐信息中确定推荐信息之前，还包括：确实所述候选推荐信息中各实时信息的信息质量；所述根据所述兴趣相关性、时新性和点击模型因子从所述候选推荐信息中确定推荐信息，包括：根据上所述兴趣相关性、时新性、点击模型因子和信息质量从所述候选推荐信息中确定推荐信息。10.根据权利要求9所述的方法，其特征在于，所述根据上所述兴趣相关性、时新性、点击模型因子和信息质量从所述候选推荐信息中确定推荐信息，包括：根据所述兴趣相关性、时新性、点击模型因子和信息质量对所述候选推荐信息中的实时信息进行评分；将评分高于预置阈值的实时信息确定为推荐信息。11.根据权利要求6所述的方法，其特征在于，所述根据所述用户兴趣，从实时信息的倒排索引中召回相应的实时信息，得到候选推荐信息之前，还包括：从原始实时信息库中获取原始实时信息；对获取到的原始实时信息进行特征提取；根据提取到的特征对所述原始实时信息进行分类预测和话题预测，以确定原始实时信息类目和主题；对获取到的原始实时信息的内容进行词性加权处理后，进行文本域加权，以确定原始实时信息所属的关键字；根据原始实时信息类目、主题和关键字计算所述原始实时信息库中原始实时信息的倒排索引，得到实时信息的倒排索引；所述根据所述用户兴趣，从实时信息的倒排索引中召回相应的实...

【专利技术属性】
技术研发人员：胡雨成，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44