一种破除信息茧房问题的冷启动个性化推荐方法及装置制造方法及图纸

本申请涉及一种破除信息茧房问题的冷启动个性化推荐方法及装置，其中，方法包括：在目标账号的使用阶段处于冷启动阶段的情况下，确定与目标账号的用户行为相似度达到第一阈值的对照账号；利用对照账号的对照兴趣矩阵确定目标账号的目标兴趣矩阵；利用目标兴趣矩阵在预设内容池中确定候选推荐集；利用量化因子对候选推荐集中的特征相关度进行权重调整，得到各个候选推荐数据的推荐指数；将推荐指数达到第二阈值的候选推荐数据确定为目标推荐数据，并将目标推荐数据推送给目标账号。通过对照账号来预测用户账号的兴趣矩阵，然后用兴趣矩阵选出候选推荐集，最后结合目标账号的浏览记录确定推荐数据，解决了为冷启动阶段用户推荐的内容趋于同质化的问题。内容趋于同质化的问题。内容趋于同质化的问题。

【技术实现步骤摘要】
一种破除信息茧房问题的冷启动个性化推荐方法及装置


[0001]本申请涉及数据处理
，尤其涉及一种破除信息茧房问题的冷启动个性化推荐方法及装置。

技术介绍

[0002]近年来，伴随着信息技术的蓬勃发展，人工智能技术在互联网应用过程中逐渐走向成熟，其中个性化内容推荐技术是一种基于用户行为产生的数据(例如，用户浏览记录、购物记录、关注信息、个人兴趣点标签等数据)构建个性化用户内容推荐模型进行用户喜好内容预测的智能技术。但是新注册用户在使用互联网的初始阶段产生的数据较少，系统推荐的内容就会集中在较小范围，这样一来，为冷启动阶段用户推荐的内容趋于同质化，极易造成信息茧房现象。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请提供了一种破除信息茧房问题的冷启动个性化推荐方法及装置，以解决上述“为冷启动阶段用户推荐的内容趋于同质化”的技术问题。
[0005]根据本申请实施例的一个方面，本申请提供了一种破除信息茧房问题的冷启动个性化推荐方法，包括：在目标账号的使用阶段处于冷启动阶段的情况下，确定与目标账号的用户行为相似度达到第一阈值的对照账号；利用对照账号的对照兴趣矩阵确定目标账号的目标兴趣矩阵；利用目标兴趣矩阵在预设内容池中确定候选推荐集，其中，候选推荐集包括候选推荐数据以及候选推荐数据与目标兴趣矩阵的特征相关度；利用量化因子对候选推荐集中的特征相关度进行权重调整，得到各个候选推荐数据的推荐指数；将推荐指数达到第二阈值的候选推荐数据确定为目标推荐数据，并将目标推荐数据推送给目标账号。
[0006]可选地，确定与目标账号的用户行为相似度达到第一阈值的对照账号包括：获取目标账号的第一兴趣数据，并从用户数据库中获取多个用户账号以及用户账号的第二兴趣数据，其中，用户数据库用于存储当前不处于冷启动阶段的用户账号在冷启动阶段时的兴趣数据；利用第一兴趣数据生成第一兴趣矩阵，以及利用第二兴趣数据生成第二兴趣矩阵；确定第一兴趣矩阵与各个第二兴趣矩阵的矩阵相似度，以获得目标账号与各个用户账号的用户行为相似度；将用户行为相似度达到第一阈值的用户账号确定为对照账号。
[0007]可选地，利用对照账号的对照兴趣矩阵确定目标账号的目标兴趣矩阵包括：获取对照账号的当前兴趣数据，并利用当前兴趣数据生成对照兴趣矩阵；利用目标账号的第一兴趣矩阵对对照兴趣矩阵进行矩阵扩充，生成目标兴趣矩阵。
[0008]可选地，利用目标兴趣矩阵在预设内容池中确定候选推荐集包括：获取预设内容池，其中，预设内容池包括系统内容池和正能量内容池；利用目标兴趣矩阵分别从系统内容池和正能量内容池中提取系统候选集和正能量候选集；将系统候选集和正能量候选集确定为候选推荐集。
[0009]可选地，利用目标兴趣矩阵分别从系统内容池和正能量内容池中提取系统候选集和正能量候选集包括：利用目标兴趣矩阵从系统内容池召回第一内容池，以及利用目标兴趣矩阵从正能量内容池召回第二内容池；确定第一内容池中的数据与目标兴趣矩阵的第一相关度，并确定第二内容池中的数据与目标兴趣矩阵的第二相关度；提取第一内容池中的第一相关度达到第三阈值的数据，得到系统候选集，以及提取第二内容池中的第二相关度达到第四阈值的数据，得到正能量候选集。
[0010]可选地，利用量化因子对候选推荐集中的特征相关度进行权重调整，得到各个候选推荐数据的推荐指数包括：利用目标账号的目标浏览数据和目标账号所在平台的全部账号的总浏览数据确定账号量化因子，其中，账号量化因子用于表征目标账号的目标浏览数据在总浏览数据中的占比，量化因子包括账号量化因子和系统量化因子，账号量化因子与系统量化因子之和为固定值；将账号量化因子与系统候选集的第一相关度相乘，得到第一推荐指数，以及将系统量化因子与正能量候选集的第二相关度相乘，得到第二推荐指数，其中，特征相关度包括第一相关度和第二相关度，推荐指数包括第一推荐指数和第二推荐指数。
[0011]可选地，利用目标账号的目标浏览数据和目标账号所在平台的全部账号的总浏览数据确定账号量化因子包括：获取目标账号的目标浏览数据，并利用目标浏览数据确定第一浏览频率以及第一类别数量；以及获取全部账号的总浏览数据，并利用总浏览数据确定第二浏览频率以及第二类别数量；确定第一浏览频率与第二浏览频率的第一比值，并确定第一类别数量与第二类别数量的第二比值；将第一比值与第二比值相乘，并将得到的乘积确定为账号量化因子。
[0012]根据本申请实施例的另一方面，本申请提供了一种破除信息茧房问题的冷启动个性化推荐装置，包括：账号确定模块，用于在目标账号的使用阶段处于冷启动阶段的情况下，确定与目标账号的用户行为相似度达到第一阈值的对照账号；矩阵确定模块，用于利用对照账号的对照兴趣矩阵确定目标账号的目标兴趣矩阵；推荐集确定模块，用于利用目标兴趣矩阵在预设内容池中确定候选推荐集，其中，候选推荐集包括候选推荐数据以及候选推荐数据与目标兴趣矩阵的特征相关度；调整模块，用于利用量化因子对候选推荐集中的特征相关度进行权重调整，得到各个候选推荐数据的推荐指数；数据确定模块，用于将推荐指数达到第二阈值的候选推荐数据确定为目标推荐数据，并将目标推荐数据推送给目标账号。
[0013]根据本申请实施例的另一方面，本申请提供了一种电子设备，包括存储器、处理器、通信接口及通信总线，存储器中存储有可在处理器上运行的计算机程序，存储器、处理器通过通信总线和通信接口进行通信，处理器执行计算机程序时实现上述方法的步骤。
[0014]根据本申请实施例的另一方面，本申请还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行上述的方法。
[0015]本申请实施例提供的上述技术方案与相关技术相比具有如下优点：
[0016]本申请通过一种破除信息茧房问题的冷启动个性化推荐方法，包括：在目标账号的使用阶段处于冷启动阶段的情况下，确定与目标账号的用户行为相似度达到第一阈值的对照账号；利用对照账号的对照兴趣矩阵确定目标账号的目标兴趣矩阵；利用目标兴趣矩阵在预设内容池中确定候选推荐集，其中，候选推荐集包括候选推荐数据以及候选推荐数
据与目标兴趣矩阵的特征相关度；利用量化因子对候选推荐集中的特征相关度进行权重调整，得到各个候选推荐数据的推荐指数；将推荐指数达到第二阈值的候选推荐数据确定为目标推荐数据，并将目标推荐数据推送给目标账号。通过对照账号来预测用户账号的兴趣矩阵，然后用兴趣矩阵召回候选推荐集，最后结合目标账号的浏览记录来选出推荐数据，解决了为冷启动阶段用户推荐的内容趋于同质化的问题。
附图说明
[0017]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0018]为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种破除信息茧房问题的冷启动个性化推荐方法，其特征在于，包括：在目标账号的使用阶段处于冷启动阶段的情况下，确定与所述目标账号的用户行为相似度达到第一阈值的对照账号；利用所述对照账号的对照兴趣矩阵确定所述目标账号的目标兴趣矩阵；利用所述目标兴趣矩阵在预设内容池中确定候选推荐集，其中，所述候选推荐集包括候选推荐数据以及所述候选推荐数据与所述目标兴趣矩阵的特征相关度；利用量化因子对所述候选推荐集中的所述特征相关度进行权重调整，得到各个所述候选推荐数据的推荐指数；将所述推荐指数达到第二阈值的所述候选推荐数据确定为目标推荐数据，并将所述目标推荐数据推送给所述目标账号。2.根据权利要求1所述的方法，其特征在于，所述确定与所述目标账号的用户行为相似度达到第一阈值的对照账号包括：获取所述目标账号的第一兴趣数据，并从用户数据库中获取多个用户账号以及所述用户账号的第二兴趣数据，其中，所述用户数据库用于存储当前不处于所述冷启动阶段的所述用户账号在所述冷启动阶段时的兴趣数据；利用所述第一兴趣数据生成第一兴趣矩阵，以及利用所述第二兴趣数据生成第二兴趣矩阵；确定所述第一兴趣矩阵与各个所述第二兴趣矩阵的矩阵相似度，以获得所述目标账号与各个所述用户账号的所述用户行为相似度；将所述用户行为相似度达到所述第一阈值的所述用户账号确定为所述对照账号。3.根据权利要求2所述的方法，其特征在于，所述利用所述对照账号的对照兴趣矩阵确定所述目标账号的目标兴趣矩阵包括：获取所述对照账号的当前兴趣数据，并利用所述当前兴趣数据生成所述对照兴趣矩阵；利用所述目标账号的所述第一兴趣矩阵对所述对照兴趣矩阵进行矩阵扩充，生成所述目标兴趣矩阵。4.根据权利要求1所述的方法，其特征在于，所述利用所述目标兴趣矩阵在预设内容池中确定候选推荐集包括：获取所述预设内容池，其中，所述预设内容池包括系统内容池和正能量内容池；利用所述目标兴趣矩阵分别从所述系统内容池和所述正能量内容池中提取系统候选集和正能量候选集；将所述系统候选集和所述正能量候选集确定为所述候选推荐集。5.根据权利要求4所述的方法，其特征在于，所述利用所述目标兴趣矩阵分别从所述系统内容池和所述正能量内容池中提取系统候选集和所述正能量候选集包括：利用所述目标兴趣矩阵从所述系统内容池召回第一内容池，以及利用所述目标兴趣矩阵从所述正能量内容池召回第二内容池；确定所述第一内容池中的数据与所述目标兴趣矩阵的第一相关度，并确定所述第二内容池中的数据与所述目标兴趣矩阵的第二相关度；提取所述第一内容池中的所述第一相关度达到第三阈值的数据，得到所述系统候选
集，以及提取所述第二内容池中的所述第二相关度达到第四阈值的数据，得到所述正...

【专利技术属性】
技术研发人员：马宏远，王丽宏，王磊，时磊，余翠玲，王红兵，李鹏霄，翟羽佳，项菲，王媛媛，王子涵，吕东，艾政阳，刘玮，马欢，彭鑫，
申请(专利权)人：北京中科闻歌科技股份有限公司，
类型：发明
国别省市：