一种信息推荐方法及装置制造方法及图纸

本申请实施例提供一种信息推荐的方法及装置，该方法根据用户的历史行为信息，采用不同的推荐算法，分别确定若干个推荐信息组，根据各推荐信息组对应的权重确定推荐列表，当该推荐列表是否满足预设的推荐条件时，对该推荐列表对应的推荐信息组的权重进行调整，并获得调整后的推荐列表，直到得到的推荐列表满足该预设的推荐条件时，将该推荐列表中的信息推荐给用户。上述信息推荐方法无需人工设置各推荐信息组的权重，可根据用户的历史行为数据自动调整各推荐信息组的权重，获得满足用户需求的推荐列表，因此可有效提高推荐列表的准确度，使得用户不必再花费大量的时间搜索信息，也节约了网络资源、减轻了服务器压力。

Information recommendation method and device

The embodiment of the application provides a method and a device for information recommendation, according to the historical behavior of user information, different recommendation algorithms, a number of recommended information were determined according to the weights corresponding to each group to determine the recommended list of recommended information, when the recommendation list meets the preset conditions recommended, recommended weight information the group recommended a list of the corresponding adjustments, and obtain a list of recommended adjusted, recommended list until the satisfied conditions of the recommended default, will recommend the recommendation list information to users. The above information recommendation method without artificial setting weights of the recommended information group, the weight of each group recommended information can be adjusted automatically according to the history of user behavior data, meet the recommended list of user needs, so it can effectively improve the accuracy of the recommendation list, so that users do not have to spend a lot of time to search for information, but also save cyber source, reduce the pressure of the server.

【技术实现步骤摘要】
一种信息推荐方法及装置
本申请涉及信息
，尤其涉及一种混合推荐方法及装置。
技术介绍
随着信息化社会的发展，人们越来越习惯于使用是网络来进行社会活动，如，进行网上购物、通过网上银行缴费、网络即时通讯等。为了提高人们浏览网站时的体验，使用户可以快速找到想浏览的内容，通常提供网上服务的服务供应商，都会根据用户的行为数据在网站主页面上显示一些推荐信息。如，音乐网站向用户推荐歌曲、社交网站向用户推荐好友等。推荐信息的推荐列表通常通过一些推荐算法计算得来，通常有两类推荐算法：基于信息内容的推荐和基于用户行为的推荐。前者由于不需要用户行为数据即可直接计算出推荐列表，但是推荐列表中的推荐结果不能针对用户喜好，准确率较低，后者虽然可以计算出较为准确的推荐列表，但是其准确度取决于用户的行为数据的多少，具有局限性。为了解决这两种推荐算法的弊端，现有技术中通常混合多种推荐算法的结果，计算得出混合推荐列表，其中，加权混合推荐方法由于其混合方式简单、易于融合推荐算法结果、使用灵活度高等优点成为人们常用的混合推荐方法。而加权混合推荐方法得到的推荐列表是否能符合用户的喜好，即推荐列表中的推荐结果是否是用户需要的，其核心就取决于加权混合时各权重的配比。但是现有技术中，在对加权混合推荐方法中各权重进行设置时，通常是通过人工观察或者经验来设置、调整的。这种通过人工观察或经验来进行权重的设置、调整方法，不仅需要耗费大量的人力和时间成本，而且得到的推荐列表的准确度也较差，另外，由于用户的喜好并非固定不变的，而现有方法靠人工经验设置的权重在较长时间内均是固定的，所以当用户喜好改变时，现有方法就不能及时提供对应的信息。所以，现有技术中使用加权混合推荐方法得到的推荐列表难以符合用户的需求，导致用户为了找到自己想获取的信息，需要再次花费大量时间进行信息搜索，不仅浪费了网络资源，同时也增大了服务器压力。
技术实现思路
本申请实施例提供一种信息推荐方法及装置，用以解决现有技术中通过人工设置权重而得到的推荐列表不符合用户的需求，导致用户需要花费大量的时间再次进行搜索，浪费网络资源、增大服务器压力的问题。本申请实施例提供的一种信息推荐的方法，包括：确定用户的历史行为信息；根据所述历史行为信息，分别确定若干个推荐信息组；根据针对各推荐信息组预设的权重，确定推荐列表；判断所述推荐列表是否满足预设的推荐条件；若满足，则将所述推荐列表中包含的信息推荐给所述用户；若不满足，则调整各推荐信息组的权重，并根据调整后的权重重新确定推荐列表，直到确定的推荐列表满足所述推荐条件，并将推荐列表中包含的信息推荐给所述用户为止。本申请实施例提供的一种信息推荐的装置，包括：行为确定模块，用于确定用户的历史行为信息；信息组确定模块，用于根据所述历史行为信息，分别确定若干个推荐信息组；混合模块，用于根据针对各推荐信息组预设的权重，确定推荐列表；判断推荐模块，用于判断所述推荐列表是否满足预设的推荐条件，若满足，则将所述推荐列表中包含的信息推荐给所述用户，若不满足，则调整各推荐信息组的权重，并指示所述混合模块根据调整后的权重重新确定推荐列表，直到所述混合模块确定的推荐列表满足所述推荐条件，并将推荐列表中包含的信息推荐给所述用户为止。本申请实施例提供一种信息推荐的方法及装置，该方法根据用户的历史行为信息，采用不同的推荐算法，分别确定若干个推荐信息组，根据各推荐信息组对应的权重确定推荐列表，当该推荐列表是否满足预设的推荐条件时，对该推荐列表对应的推荐信息组的权重进行调整，并获得调整后的推荐列表，直到得到的推荐列表满足该预设的推荐条件时，将该推荐列表中的信息推荐给用户。上述信息推荐方法无需人工设置各推荐信息组的权重，可根据用户的历史行为数据自动调整各推荐信息组的权重，获得满足用户需求的推荐列表，因此可有效提高推荐列表的准确度，使得用户不必再花费大量的时间搜索信息，也节约了网络资源、减轻了服务器压力。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例提供的一种信息推荐的过程；图2为本申请实施例提供的一种信息推荐装置的结构示意图。具体实施方式本申请实施例依然采用加权混合推荐方法得到推荐列表，而加权混合推荐方法中所涉及的各推荐信息组的权重可根据用户的历史行为信息，采用优化算法迭代确定，无需人工凭借经验确定，因此得到的推荐列表的准确性较高，使用户无需再次花费时间进行信息搜索，有效地节省了网络资源，减轻了服务器压力。为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅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做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。图1为本申请实施例提供的一种信息推荐的过程，具体包括以下步骤：S101：确定用户的历史行为信息。在本申请实施例中，服务器为了达到节约网络资源、减轻服务器压力的目的，需要推荐给用户的信息更加准确、更加符合用户的行为规律。这就使得该服务器至少需要确定用户的喜好、需求等等相关的信息，并根据该用户的喜好、需求等信息选择性的推荐一些信息给该用户。由于这类与用户喜好、需求相关的信息是可以通过用户的行为反映出来的，所以网站可以根据用户的历史行为信息，来选择推荐信息。于是，在本申请实施例的步骤S101中，服务器首先需要确定用户的历史行为信息。其中，该用户的历史行为信息可以是，用户在该服务器中的历史行为对应的信息，如：用户浏览的信息内容及属性、用户搜索的信息内容及属性、用户关注或收藏的信息内容及属性等等，可见，这些信息都是与用户的喜好、需求等相关的信息。具体的，服务器可根据预设的历史时间段，确定该用户在该历史时间段内的历史数据。该历史时间段可根据需要进行设定，如过去的3个月等。S102：根据所述历史行为信息，分别确定若干个推荐信息组。在本申请实施例中，服务器依然采用加权混合推荐方法来确定最终向用户推荐的推荐列表，所以服务器在步骤S101中确定用户的历史行为信息后，还可根据该历史行为信息，采用不同的推荐算法分别确定若干个推荐信息组，使得后续对各推荐信息组进行混合加权得到推荐列表。其中，所述的推荐算法可以是基于协同过滤的推荐算法、基于内容的推荐算法、基于关联规则的推荐算法或者基于知识的推荐算法等等，确定推荐信息组所采用的推荐算法在此并不做具体限定。需要说明的是，通过不同的推荐算分别法获得的各推荐信息组中的每一个信息会获取一个对应的推荐权重，即，针对每一个推荐信息组，该推荐信息组中包含的每个信息都具有一个相对于该推荐信息组的推荐权重，一个推荐信息组中包含的各信息相对于该推荐信息组的推荐权重可能相同，也可能不同。例如，服务器获取了用户I的历史行为信息后，假设根据该历史行为信息，采用了基于用户的协同过滤推荐算法和基于商品的协同过滤推荐算法分别进行计算，则可以分别确定出两个推荐信息组：推荐信息组α和推荐信息组β。这两个推荐信息组由于是使用不同推荐算法得出的，所以其包本文档来自技高网...

【技术保护点】
一种信息推荐方法，其特征在于，包括：确定用户的历史行为信息；根据所述历史行为信息，分别确定若干个推荐信息组；根据针对各推荐信息组预设的权重，确定推荐列表；判断所述推荐列表是否满足预设的推荐条件；若满足，则将所述推荐列表中包含的信息推荐给所述用户；若不满足，则调整各推荐信息组的权重，并根据调整后的权重重新确定推荐列表，直到确定的推荐列表满足所述推荐条件，并将推荐列表中包含的信息推荐给所述用户为止。

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：确定用户的历史行为信息；根据所述历史行为信息，分别确定若干个推荐信息组；根据针对各推荐信息组预设的权重，确定推荐列表；判断所述推荐列表是否满足预设的推荐条件；若满足，则将所述推荐列表中包含的信息推荐给所述用户；若不满足，则调整各推荐信息组的权重，并根据调整后的权重重新确定推荐列表，直到确定的推荐列表满足所述推荐条件，并将推荐列表中包含的信息推荐给所述用户为止。2.如权利要求1所述的方法，其特征在于，根据所述历史行为信息，分别确定若干个推荐信息组之前，所述方法还包括：将所述用户的历史行为信息划分为测试信息和参照信息；根据所述历史行为信息，分别确定若干个推荐信息组，具体包括：根据所述测试信息，采用不同的推荐算法确定若干个推荐信息组。3.如权利要求1所属的方法，其特征在于，根据针对各推荐信息组预设的权重，确定推荐列表，具体包括：针对每个推荐信息组，根据该推荐信息组的权重，以及该推荐信息组中包含的每个信息相对于该推荐信息组的推荐权重，确定每个信息相对于该推荐信息组的子权重；针对每个信息，确定该信息相对于每个推荐信息组的子权重之和，作为该信息的总权重；根据每个信息的总权重，确定推荐列表。4.如权利要求2所述的方法，其特征在于，判断所述推荐列表是否满足预设的推荐条件，具体包括：根据所述参照信息，确定所述推荐列表的准确度；判断所述准确度是否满足大于预设阈值；若是，则判定所述推荐列表满足预设的推荐条件；否则，判定所述推荐列表不满足预设的推荐条件。5.如权利要求4所述的方法，其特征在于，调整各推荐信息组的权重，具体包括：根据下述迭代信息中的至少一种，确定调整各推荐信息组的权重的调整量；根据确定的调整量，调整各推荐信息组的权重；所述迭代信息包括：上一次调整各推荐信息组的权重的调整量、上一次确定的推荐列表的准确度、每次得到的各推荐列表的准确度中的最高准确度。6.如权利要求4所述的方法，其特征在于，所述方法还包括：当调整各推荐信息组的权重的次数达到预设次数时，确定每次得到的各推荐列表中准确度最高的推荐列表；将准确度最高的推荐列表中包含的信息推荐给所述用户。7.一种信息推荐装...

【专利技术属性】
技术研发人员：谢东，
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