一种信息推荐方法及装置制造方法及图纸

本发明专利技术涉及互联网技术领域，尤其涉及一种信息推荐方法及装置，获取目标用户对应的一度相似用户和二度相似用户；分别获取所述对应的一度相似用户和二度相似用户在第一预设时间段内有操作行为的各信息，并分别确定所述目标用户与所述各信息的相似度，将相似度满足信息相似度条件的信息，作为所述目标用户的待推荐信息；将所述目标用户的待推荐信息，推荐给所述目标用户，这样，综合考虑目标用户的一度相似用户和二度相似用户，提高了推荐准确性，并也提高了用户覆盖率和推荐信息的多样性。

An Information Recommendation Method and Device

The invention relates to the field of Internet technology, in particular to an information recommendation method and device, which obtains the once-similar user and the twice-similar user corresponding to the target user, obtains each information of the operation behavior of the once-similar user and the twice-similar user respectively in the first preset time period, and determines the similarity of the said target user and the information separately. The information whose similarity satisfies the condition of information similarity is used as the recommendation information of the target user. The recommendation information of the target user is recommended to the target user. In this way, the accuracy of recommendation is improved, and the coverage rate and the diversity of the recommendation information are also improved by taking into account the once and twice similar users of the target user.

【技术实现步骤摘要】
一种信息推荐方法及装置
本专利技术涉及互联网
，尤其涉及一种信息推荐方法及装置。
技术介绍
随着互联网技术的发展，网络平台上信息大量而多样，如何实现为用户推荐个性化和感兴趣的信息服务，是非常重要的。现有技术中，信息推荐方法中主要是协同过滤算法，其中，基于用户的协同过滤(User-basedCollaborativeFiltering，UCF)算法，主要是根据用户对信息的点击行为，其中，信息例如为新闻等，直接将用户历史点击的信息行为作为用户向量，利用杰卡德(Jaccard)距离计算用户的一度相似用户，然后将一度相似用户近期点击的信息推荐给该用户，但是，现有技术中的信息推荐方式只考虑用户的一度相似用户，影响用户覆盖率和推荐信息的多样性。
技术实现思路
本专利技术实施例提供一种信息推荐方法及装置，以解决现有技术中信息推荐多样性和用户覆盖率较低的问题。本专利技术实施例提供的具体技术方案如下：本专利技术一个实施例提供了一种信息推荐方法，包括：获取目标用户对应的一度相似用户和二度相似用户；其中，一度相似用户表示确定出的与目标用户的用户向量相似度满足第一用户相似度条件的用户，二度相似用户表示确定出的与目标用户的一度相似用户的用户向量相似度满足第一用户相似度条件的用户；分别获取所述对应的一度相似用户和二度相似用户在第一预设时间段内有操作行为的各信息，并分别确定所述目标用户与所述各信息的相似度，将相似度满足信息相似度条件的信息，作为所述目标用户的待推荐信息；将所述目标用户的待推荐信息，推荐给所述目标用户。本专利技术另一个实施例提供了一种信息推荐装置，包括：第一获取模块，用于获取目标用户对应的一度相似用户和二度相似用户；其中，一度相似用户表示确定出的与目标用户的用户向量相似度满足第一用户相似度条件的用户，二度相似用户表示确定出的与目标用户的一度相似用户的用户向量相似度满足第一用户相似度条件的用户；第二获取模块，用于分别获取所述对应的一度相似用户和二度相似用户在第一预设时间段内有操作行为的各信息；处理模块，用于分别确定所述目标用户与所述各信息的相似度，将相似度满足信息相似度条件的信息，作为所述目标用户的待推荐信息；推荐模块，用于将所述目标用户的待推荐信息，推荐给所述目标用户。本专利技术另一个实施例提供了一种电子设备，包括：至少一个存储器，用于存储程序指令；至少一个处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行上述任一种信息推荐方法。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种信息推荐方法的步骤。本专利技术实施例中，获取目标用户对应的一度相似用户和二度相似用户；其中，一度相似用户表示确定出的与目标用户的用户向量相似度满足第一用户相似度条件的用户，二度相似用户表示确定出的与目标用户的一度相似用户的用户向量相似度满足第一用户相似度条件的用户；分别获取所述对应的一度相似用户和二度相似用户在第一预设时间段内有操作行为的各信息，并分别确定所述目标用户与所述各信息的相似度，将相似度满足信息相似度条件的信息，作为所述目标用户的待推荐信息；将所述目标用户的待推荐信息，推荐给所述目标用户，这样，基于目标用户的一度相似用户和二度相似用户，确定目标用户与各信息的相似度，从而确定出目标用户的待推荐信息，并推荐给目标用户，提高了推荐准确性，并且由于考虑二度相似用户，也提高了用户覆盖率和推荐的信息的多样性。附图说明图1为本专利技术实施例中信息推荐方法的应用架构示意图；图2为本专利技术实施例中历史行为数据收集过程示意图；图3为本专利技术实施例中一度相似用户确定方法流程图；图4为本专利技术实施例中信息推荐方法的流程图；图5为本专利技术实施例中信息推荐方法整体原理示意图；图6为本专利技术实施例中信息推荐装置结构示意图；图7为本专利技术实施例中电子设备结构示意图。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，并不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。为便于对本专利技术实施例的理解，下面先对几个概念进行简单介绍：用户向量：本专利技术实施例中，用户向量是根据用户历史行为数据计算出来的，多维度描述用户的数据，表征用户兴趣的特征向量。一度相似用户：表示用户的直接相似用户。二度相似用户：表示用户的直接相似用户的相似用户。(重申)Redis数据库：为一种基于内存的键值对存储数据库。重交替最小二乘法(weightedalternatingleastsquares，WALS)：是一种利用加权交替最小二乘算法进行矩阵分解的方法。脸谱人工智能相似性搜索(FacebookAISimilaritySearch，faiss)：一种开源的向量计算引擎，可以分为中央处理器(CentralProcessingUnit，CPU)和图形处理器(GraphicsProcessingUnit，GPU)版，能够快速计算大规模向量的近邻向量。目前，在网络平台上海量的信息中实现为用户推荐个性化和感兴趣的信息服务，是非常必要的，现有技术中，提供了一种协同过滤算法，协同过滤算法又可以分为基于信息的协同过滤算法和基于用户的协同过滤算法，其中，基于用户的协同过滤(User-basedCollaborativeFiltering，UCF)算法，是直接将用户历史点击的信息行为作为用户向量，利用杰卡德(Jaccard)距离计算用户的一度相似用户，然后将一度相似用户近期点击的信息推荐给该用户，但是这种方式，是直接将用户历史点击的信息行为作为用户向量，考虑的因素单一，得到的用户向量为独热(one-hot)向量，没有考虑用户点击相似信息的情况，也没有考虑用户对不同信息的兴趣程度，降低了准确性，并且，现有技术中还会对非活跃用户进行过滤，只考虑较活跃的用户，导致其只能覆盖较活跃用户，对非活跃用户覆盖率差，影响信息推荐效果，并且，只考虑用户的一度相似用户，利用一度相似用户进行信息推荐，没有针对和考虑对二度相似用户的计算和利用方式，这不仅浪费了之前经过大量计算得出的相似用户所占用的内存资源，也影响用户覆盖率和推荐信息的多样性。因此，本专利技术实施例中为解决上述问题，提出了一种信息推荐方法，也属于一种基于用户的协同过滤算法，充分利用二度相似用户，根据各用户的历史行为数据，建立评分矩阵，并进行矩阵分解，分别获得各用户的用户向量，计算各用户之间的相似度，确定各用户对应的一度相似用户和二度相似用户，进而，在对目标用户进行信息推荐时，获取目标用户对应的一度相似用户和二度相似用户，基于目标用户对应的一度相似用户和二度相似用户，召回目标用户可能感兴趣的信息，并推荐给目标用户，推荐准确性高，并且考虑二度相似用户，提高了用户覆盖率和信息多样性。参阅图1所示，为本专利技术实施例中信息推荐方法的应用架构示意图，至少包括服务器和终端。终端可以是智能手机、平板电脑、便携式个人计算机、智能电视等任何智能设备，可以包括多个终端，终端上可以安装各种应用程序(Application，APP)，用户可以通过终端上安装的APP来使用所需的服务，例如，用户可以基于新闻APP来浏览新闻本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，其特征在于，包括：获取目标用户对应的一度相似用户和二度相似用户；其中，一度相似用户表示确定出的与目标用户的用户向量相似度满足第一用户相似度条件的用户，二度相似用户表示确定出的与目标用户的一度相似用户的用户向量相似度满足第一用户相似度条件的用户；分别获取所述对应的一度相似用户和二度相似用户在第一预设时间段内有操作行为的各信息，并分别确定所述目标用户与所述各信息的相似度，将相似度满足信息相似度条件的信息，作为所述目标用户的待推荐信息；将所述目标用户的待推荐信息，推荐给所述目标用户。

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：获取目标用户对应的一度相似用户和二度相似用户；其中，一度相似用户表示确定出的与目标用户的用户向量相似度满足第一用户相似度条件的用户，二度相似用户表示确定出的与目标用户的一度相似用户的用户向量相似度满足第一用户相似度条件的用户；分别获取所述对应的一度相似用户和二度相似用户在第一预设时间段内有操作行为的各信息，并分别确定所述目标用户与所述各信息的相似度，将相似度满足信息相似度条件的信息，作为所述目标用户的待推荐信息；将所述目标用户的待推荐信息，推荐给所述目标用户。2.如权利要求1所述的方法，其特征在于，进一步包括：获取各用户在第二预设时间段内针对信息的历史行为数据；根据所述各用户的历史行为数据，分别确定所述各用户对各信息的兴趣评分，并建立评分矩阵；其中，所述评分矩阵中包括所有用户对各信息的兴趣评分；根据所述评分矩阵，分别获得所述各用户的用户向量；其中，所述用户向量表征用户兴趣的特征向量；根据所述各用户的用户向量，分别计算所述各用户之间的相似度；根据所述各用户之间的相似度，分别获得所述各用户对应的一度相似用户。3.如权利要求2所述的方法，其特征在于，所述历史行为数据至少包括点击时间和浏览时长；则根据所述各用户的历史行为数据，分别确定所述各用户对各信息的兴趣评分，具体包括：根据所述各用户对每条信息的点击时间和预设时间衰减函数，分别获得所述各用户对每条信息的时间衰减权重；根据所述各用户对每条信息的浏览时长和预设平滑函数，分别获得所述各用户对每条信息的浏览时长权重；根据相应的时间衰减权重和浏览时长权重，分别确定所述各用户对每条信息的兴趣评分。4.如权利要求2所述的方法，其特征在于，根据所述评分矩阵，分别获得所述各用户的用户向量，具体包括：分别确定所述各用户在第二预设时间段内操作的信息的数目，以及分别确定每条信息被操作的次数；若确定所述各用户中任一用户在第二预设时间段内操作的信息的数目大于预设数目，则从所述评分矩阵中采样其中的预设数目条信息；若确定任一信息被操作的次数大于预设次数，则从所述评分矩阵中采样其中的预设次数条信息；根据采样后的评分矩阵，分别获得所述各用户的用户向量。5.如权利要求1-4任一项所述的方法，其特征在于，进一步包括：分别确定所述目标用户与对应的二度相似用户的相似度；从所述目标用户对应的二度相似用户中筛选出相似度满足第二用户相...

【专利技术属性】
技术研发人员：张济朝，张伸正，
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