CN104111938A - 一种信息推荐的方法及装置 - Google Patents
一种信息推荐的方法及装置 Download PDFInfo
- Publication number
- CN104111938A CN104111938A CN201310135870.5A CN201310135870A CN104111938A CN 104111938 A CN104111938 A CN 104111938A CN 201310135870 A CN201310135870 A CN 201310135870A CN 104111938 A CN104111938 A CN 104111938A
- Authority
- CN
- China
- Prior art keywords
- historical user
- user
- network service
- targeted customer
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种信息推荐的方法及装置,涉及计算机技术以及人工智能领域,可以提高为用户推荐的信息的准确性。本发明通过根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度;获取目标用户标识;根据所述目标用户标识,以及计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群;根据所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户。本发明提供的方案适于进行信息推荐时采用。
Description
技术领域
本发明涉及计算机技术以及人工智能领域,尤其涉及一种信息推荐的方法及装置。
背景技术
随着电子商务的发展,越来越多的人开始进行网上购物。电子商务平台可以提供各式各样的商品信息,为了节省用户的时间,用户希望尽快在海量的商品信息中找到自己心仪的商品信息,因此电子商务个性化信息推荐服务应运而生。
现有技术中进行信息推荐时通常采用以下两种方式,方式一:基于商品内容进行信息推荐。当用户查询某一商品时,通过比较系统中保存的商品与当前用户查询的商品之间的相似性,将相似性较高的商品的信息推荐给用户。方式二:基于相似用户进行信息推荐。当用户查询某一商品时,通过比较此用户与系统中保存的历史用户的性别、年龄、地域、收入等注册信息的相似性,将相似性较高的历史用户购买的商品的信息推荐给此用户。
然而,当采用现有技术中方式一进行信息推荐时,系统难以区分商品的品质和风格,并且不能为用户推荐新的感兴趣的商品的信息,使得推荐结果不准确;当采用现有技术中方式二进行信息推荐时,由于保存的历史用户的注册信息的真实性无法考证,使得推荐结果不准确。
发明内容
本发明的实施例提供一种信息推荐的方法及装置,可以提高为用户推荐的信息的准确性。
第一方面,本发明提供一种信息推荐的方法,包括:
根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度;
获取目标用户标识;
根据所述目标用户标识,以及计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群;
根据所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户。
第二方面,本发明一种信息推荐的装置,包括:
计算单元,用于根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度;
获取单元,用于获取目标用户标识;
确定单元,用于根据所述获取单元获得的所述目标用户标识,以及所述计算单元计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群;
推荐单元,用于根据所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户。
本发明实施例提供一种信息推荐的方法及装置,通过根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度;获取目标用户标识;根据所述目标用户标识,以及计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群;根据所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户。与现有技术中在进行信息推荐时系统难以区分商品的品质和风格,并且不能为用户推荐新的感兴趣的商品的信息,使得推荐结果不准确,或者由于保存的历史用户的注册信息的真实性无法考证,使得推荐结果不准确相比,本发明实施例提供的方案可以根据历史用户反馈的网络服务评价记录对目标用户进行信息推荐,使得可以提高为用户推荐的信息的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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1A为本发明实施例1提供的信息推荐的应用架构的示意图;
图1B为本发明实施例1提供的一种信息推荐的方法的流程图;
图2为本发明实施例1提供的网络服务评价记录的示意表;
图3为本发明实施例1提供的另一种信息推荐的方法的流程图;
图4为本发明实施例1提供的用户相似度的示意表;
图5为本发明实施例2提供的一种信息推荐的装置的框图;
图6为本发明实施例2提供的另一种信息推荐的装置的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例1
首先对本发明实施例提供的信息推荐的应用架构进行简单说明,如图1A所示,该应用架构包括至少一个用户终端以及提供网络服务的网站服务器。
在本发明实施例提供的技术方案中,网站服务器可以用于提供网络服务,以及向用户提供信息推荐。可选的,网站服务器可以为一个单独的服务器,也可以为具有不同功能的服务器组成,例如网站服务器包括网络服务处理服务器、数据库服务器等等。其中,本发明实施例提供的信息推荐的模块可以置于网站服务器中,当然也可以为一个单独的装置,与网络服务处理服务器配合进行工作。本发明实施例不对信息推荐的模块以及网站服务器的具体形式进行限定。
本发明实施例提供一种信息推荐的方法,该方法的执行主体为网站服务器。如图1B所示,该方法包括:
步骤101,根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度;
在本实施例中,历史用户为实施本实施例提供的本方法之前采用本方法接受过网络服务的用户,例如,在网上进行购物的用户、听歌曲或者下载过歌曲的用户、读小说或者下载小说的用户等等。网络服务评价记录为历史用户进行接受网络服务后对网络服务评价的相关信息的记录。
需要说明的是,历史用户还可以为实施本实施例提供的本方法之前没有采用本方法接受过网络服务的用户,此时网络服务评价记录需要采用手动的方法将用户接受过网络服务后对网络服务评价的相关信息输入。
可选的,所述网络服务评价记录中包括历史用户标识、各个所述历史用户接受的网络服务对应的网络服务标识以及所述历史用户为所述网络服务的评分;其中,在所述网络服务评价记录中所述历史用户标识唯一,所述网络服务标识唯一。
如附图2所示,以历史用户接受的网络服务为在网上进行购物来描述网络服务评价记录。历史用户标识可以为User-01、User-02、User-03、User-04......User-N;User-01对应的商品标识为商品Item_A1、Itme_A2、Itme_A3、Itme_A4,User-02对应的商品标识为商品Item_A1、Item_B2、Item_B3等;User-01对Item_A1的评分为5,User-01对Item_A2的评分为5,User-01对Item_A3的评分为4,User-01对Item_A4的评分为1等等。其中,评分的数值范围可以为1-5,当然评分也可以设置为其他的数值范围,本发明不对评分的数值范围进行限定。
当然,用户还可以对其他网络服务进行评价,例如对听过的歌曲进行评价,则网络服务评价记录中历史用户标识可以为用户User-01、User-02、User-03、User-04......User-N;User-01听过的歌曲为Song_01、Song_02、Song_03,User-02听过的歌曲为Song_01、Song_03、Song_04等;User-01对Song_01的评分为97,User-01对Song_02的评分为80,User-01对Song_03的评分为60等等。其中,评分的范围为1-100,当然评分也可以设置为其他的数值范围,本发明不对评分的数值范围进行限定。
需要说明的是,这里评分可以为用户对商品的具体评分,例如,对Item_A1的评分为5,对Item_A3的评分为4等等,评分还可以为对商品的模糊评分,例如,对Item_A1的评分为好评,对Item_A3的评分为4中评等等。当用户对商品进行模糊评分时,系统可以设定模糊评分对应的具体分数,以便方便进行后续计算。
可选的,根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度,包括:根据所述历史用户反馈的所述网络服务评价记录中任意两个历史用户标识对相同网络服务的相同评分,计算所述历史用户标识中任意两个历史用户标识的用户相似度。
例如,根据历史用户的历史购买记录,计算历史用户标识中任意两个历史用户标识的购买行为的用户相似度,包括:根据所述历史购买记录中所述任意两个历史用户标识对相同商品的相同评分,计算所述历史用户标识中任意两个历史用户标识的购买行为的用户相似度。例如,User-01与User-03对商品标识Item_A1、Itme_A2、Itme_A3对应的商品的评分相同,则User-01与User-03的用户相似度为3。
根据计算所述历史用户标识中任意两个历史用户标识的用户相似度;其中,D(i,j)表示历史用户标识i与历史用户标识j的用户相似度,M表示各个所述历史用户接受的网络服务对应的网络服务标识总数,d(i,j,k)表示所述历史用户标识i与所述历史用户标识j对网络服务标识k的相似系数;
其中,当所述历史用户标识i与所述历史用户标识j对所述网络服务标识K对应的网络服务的评分相同时,d(i,j,k)的值为第一预设值,当所述历史用户标识i或所述历史用户标识j对上述网络服务标识K对应的网络服务没有评分或者所述历史用户标识i或所述历史用户标识j对所述网络服务标识K对应的网络服务的评分不相同时,d(i,j,k)的值为第二预设值。
需要说明的是,第一预设值与第二预设值可以为任意自然数,但是第一预设值与第二预设值不同。例如,第一预设值为1,第二预设值为0,或者第一预设值为2,第二预设值为3等。
进一步可选的,当计算获得历史用户标识中任意两个历史用户标识的用户相似度之后,可以保存用户相似度,以便后续方便确定与目标用户相似度高的历史用户标识群。当然,也可以对计算获得的用户相似度不保存,后续确定与目标用户相似度高的历史用户标识群时,实时计算用户相似度。
步骤102,获取目标用户标识;
目标用户即当前接受网络服务的用户,例如,目标用户为当前进行网上购物的用户。目标用户可以为历史用户中的任一个用户。当目标用户为新用户时,则不向此目标用户进行信息推荐。
步骤103,根据所述目标用户标识,以及计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群;
可选的,根据目标用户标识,在用户相似度中查找相似度高的历史用户群,并确定对应的历史用户标识群。需要说明的是,历史用户标识群中包括至少一个历史用户标识。例如,目标用户为User-01,通过在计算出的用户相似度中查找,确定历史用户与所述目标用户标识相似度高的历史用户标识群为User-02和User-03;或者,确定历史用户与所述目标用户标识相似度高的历史用户标识为User-03。
步骤104,根据所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户。
例如,历史用户标识为User-03,根据历史用户标识,可以确定历史用户标识对应的所述网络服务评价记录为Item_A1,对应Item_A1的评分为5,Itme_A2、对应Itme_A2的评分为5,Itme_A3、对应Itme_A3的评分为4,Itme_A4、对应Itme_A4的评分为1,然后在上述网络服务评价记录中根据推荐规则确定目标信息。其中,推荐规则可以为历史用户为网络服务的评分为满分,并且目标用户没有接受过此项网络服务。
例如,根据所述历史用户标识群,在所述历史用户反馈的所述网络服务评价记录中确定所述历史用户标识群对应的网络服务评价记录;
判断在所述历史用户标识群对应的网络服务评价记录中是否存在网络服务标识P,所述网络服务标识P满足的条件为所述网络服务标识P对应的评分为满分,并且所述目标用户标识对应的目标用户没有接受过所述网络服务标识P对应的网络服务;
进一步的,当所述历史用户标识群对应的网络服务评价记录中存在所述网络服务标识P时,将所述网络服务标识P推荐给所述目标用户标识对应的目标用户。
当所述历史用户标识群对应的网络服务评价记录中不存在所述网络服务标识P时,则不向所述目标用户标识对应的目标用户进行信息推荐。
本发明实施例提供一种信息推荐的方法,通过根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度;获取目标用户标识;根据所述目标用户标识,以及计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群;根据所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户。本发明实施例提供的方案可以根据历史用户的网络服务评价记录对目标用户进行信息推荐,使得可以提高为用户推荐的信息的准确性。
本发明实施例提供另一种信息推荐的方法,该方法的执行主体可以为网站服务器。本实施例以用户接受的网络服务为用户进行网络购物为例进行详细描述。如图3所示,该方法包括:
步骤301,获取历史用户的初始网络服务评价记录。
当用户进行网上购物时,即将用户购物的相关信息进行保存,形成初始网络服务评价记录。另外,当用户不是采用网上购物时,可以将用户购物的相关信息进行收集,并手动输入终端中并进行保存,以形成初始网络服务评价记录。购买商品收集子系统用于收集历史用户的初始网络服务评价记录。
需要说明的是,初始网络服务评价记录中可能存在垃圾信息,或者重复保存的商品信息等,因此需要对初始网络服务评价记录进行垃圾信息过来、去重处理等简单处理。
步骤302,将所述初始网络服务评价记录进行垃圾信息过滤、去重处理后,保存处理之后的网络服务评价记录。
可选的,将处理之后的所述网络服务评价记录保存在第一数据库中。
所述网络服务评价记录中包括历史用户标识、各个所述历史用户接受的网络服务对应的网络服务标识以及所述历史用户为所述网络服务的评分;其中,在所述网络服务评价记录中所述历史用户标识唯一,所述网络服务标识唯一。
如图2所示,为第一数据库中保存的各个历史用户的网络服务评价记录。例如,历史用户标识可以为User-01、User-02、User-03、User-04......User-N;User-01对应的商品标识为商品Item_A1、Itme_A2、Itme_A3、Itme_A4,User-02对应的商品标识为商品Item_A1、Item_B2、Item_B3等;User_01对Item_A1的评分为5,User-01对Item_A2的评分为5,User-01对Item_A3的评分为4,User-01对Item_A4的评分为1等等。其中,评分的数值范围可以为1-5,当然评分也可以设置为其他的数值范围,本发明不对评分的数值范围进行限定。
步骤303,根据历史用户的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度。
可选的,根据所述历史用户反馈的所述网络服务评价记录中任意两个历史用户标识对相同网络服务的相同评分,计算所述历史用户标识中任意两个历史用户标识的用户相似度。
根据计算所述历史用户标识中任意两个历史用户标识的用户相似度;其中,D(u,j)表示历史用户标识i与历史用户标识j的用户相似度,M表示各个所述历史用户接受的网络服务对应的网络服务标识总数,d(i,j,k)表示所述历史用户标识i与所述历史用户标识j对网络服务标识k的相似系数;
其中,当所述历史用户标识i与所述历史用户标识j对所述网络服务标识K对应的网络服务的评分相同时,d(i,j,k)的值为第一预设值,当所述历史用户标识i或所述历史用户标识j对上述网络服务标识K对应的网络服务没有评分或者所述历史用户标识i或所述历史用户标识j对所述网络服务标识K对应的网络服务的评分不相同时,d(i,j,k)的值为第二预设值。
需要说明的是,第一预设值与第二预设值可以为任意自然数,但是第一预设值与第二预设值不同。例如,第一预设值为1,第二预设值为0,或者第一预设值为2,第二预设值为3等。
如图5所示的用户相似度的示意表,例如,User-01与User-03对商品标识Item_A1、Itme_A2、Itme_A3对应的商品的评分相同,则User-01与User-03的用户相似度为3;User-01与User-02对商品标识Item_A1对应的商品的评分相同,则User-01与User-02的用户相似度为1。
进一步可选的,当计算获得历史用户标识中任意两个历史用户标识的用户相似度之后,可以将用户相似度保存在第二数据库中,以便后续方便确定与目标用户相似度高的历史用户标识群。当然,也可以对计算获得的用户相似度不保存,后续确定与目标用户相似度高的历史用户标识群时,实时计算用户相似度。
步骤304,获取目标用户标识。
目标用户即当前进行网上购物的用户。目标用户可以为历史用户中的任一个用户。当目标用户为新用户时,则不向此目标用户进行信息推荐。
步骤305,根据所述目标用户标识,以及计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群。
可选的,根据目标用户标识,在用户相似度中查找相似度高的历史用户群,并确定历史用户标识群,历史用户标识群中包括至少一个历史用户标识。例如,目标用户为User-01,通过在计算出的用户相似度中查找,确定历史用户与所述目标用户标识相似度高的历史用户标识为User-03。
步骤306,根据所述历史用户标识群,在所述历史用户反馈的所述网络服务评价记录中确定所述历史用户标识群对应的网络服务评价记录。
当确定了历史用户标识之后,根据历史用户标识,在网络服务评价记录中查找历史用户标识,从而确定历史用户标识群对应的网络服务评价记录,需要说明的是,历史用户标识群对应的网络服务评价记录中可以包括历史用户购买的至少一个商品的网络服务评价记录。
例如,历史用户标识为User-03,根据历史用户标识,可以确定历史用户标识对应的历史购买记录为Item_A1,对应Item_A1的评分为5,Itme_A2、对应Itme_A2的评分为5,Itme_A3、对应Itme_A3的评分为4,Itme_A4、对应Itme_A4的评分为1。
步骤307,判断在所述历史用户标识群对应的网络服务评价记录中是否存在网络服务标识P,所述网络服务标识P满足的条件为所述网络服务标识P对应的评分为满分,并且所述目标用户标识对应的目标用户没有接受过所述网络服务标识P对应的网络服务;
在确定网络服务评价记录中根据推荐规则确定目标信息,其中推荐规则可以为历史用户为购买的商品的评分为满分,并且目标用户没有购买过此商品。
在本步骤中商品标识P为根据推荐规则确定的商品标识,即商品标识P满足的条件为所述商品标识P对应的评分为满分,并且所述目标用户标识对应的目标用户没有购买过所述商品标识P对应的商品。
需要说明的是,所述商品标识P对应的评分为满分,其中满分可以为设定的最高评分,例如满分为5分。
步骤308,当所述历史用户标识群对应的网络服务评价记录中存在所述网络服务标识P时,将所述网络服务标识P推荐给所述目标用户标识对应的目标用户。
例如,目标用户标识User_01相似度高的历史用户标识为User_03,网络服务评价记录中保存的商品标识为Item_A1、Item_A2、Item_A3、Item_X4、Item_X5,User_03给出的评分为满分的是Item_A1、Item_A2、Item_X4,User_01没有购买的商品Item_X4,于是将Item_X4推荐给目标用户标识User_01对应的目标用户。
或者,目标用户标识User_01相似度高的历史用户标识为User_03,网络服务评价记录中保存的商品标识为Item_A1、Item_A2、Item_A3、Item_X4、Item_X5,User_01没有购买的商品为Item_X4、Item_X5,其中User_03给出的评分为满分的是Item_X4,于是将Item_X4推荐给目标用户标识User_01对应的目标用户。
需要说明的是,为目标用户推荐的信息可以为至少一个。
步骤309,当所述历史用户标识群对应的网络服务评价记录中不存在所述网络服务标识P时,则不向所述目标用户标识对应的目标用户进行信息推荐。
为了保证向目标用户进行信息推荐的准确性,当历史用户标识群对应的网络服务评价记录中不存在所述商品标识P时,则不向所述目标用户标识对应的目标用户进行信息推荐。
本发明实施例提供一种信息推荐的方法,通过根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度;获取目标用户标识;根据所述目标用户标识,以及计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群;根据所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户,使得可以提高为用户推荐的信息的准确性。
实施例2
本发明实施例提供一种信息推荐的装置,该装置可以为网站服务器。如图5所示,该装置包括:计算单元501,获取单元502,确定单元503,推荐单元504;
计算单元501,用于根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度;
可选的,所述网络服务评价记录中包括历史用户标识、各个所述历史用户接受的网络服务对应的网络服务标识以及所述历史用户为所述网络服务的评分;其中,在所述网络服务评价记录中所述历史用户标识唯一,所述网络服务标识唯一。
获取单元502,用于获取目标用户标识;
目标用户即当前接受网络服务的用户,例如,目标用户即当前进行网上购物的用户。目标用户可以为历史用户中的任一个用户。当目标用户为新用户时,则不向此目标用户进行信息推荐。
确定单元503,用于根据所述获取单元502获得的所述目标用户标识,以及所述计算单元501计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群;
推荐单元504,用于根据所述确定单元503确定的所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户。
进一步可选的,如图6所示,所述装置还包括:处理单元505,保存单元506;
在计算单元501计算历史用户标识中任意两个历史用户标识的用户相似度之前,所述获取单元502,还用于获取所述历史用户反馈的初始网络服务评价记录;
根据所述获取单元502获取的初始网络服务评价记录,处理单元505,用于将所述初始网络服务评价记录进行垃圾信息过滤、去重处理;
保存单元506,用于将所述初始网络服务评价记录进行垃圾信息过滤、去重处理后,保存处理之后的所述网络服务评价记录。
进一步可选的,所述计算单元501用于:根据所述历史用户反馈的所述网络服务评价记录中任意两个历史用户标识对相同网络服务的相同评分,计算所述历史用户标识中任意两个历史用户标识的用户相似度。
进一步可选的,所述计算单元501用于:
根据计算所述历史用户标识中任意两个历史用户标识的用户相似度;其中,D(i,j)表示历史用户标识i与历史用户标识j的用户相似度,M表示各个所述历史用户接受的网络服务对应的网络服务标识总数,d(i,j,k)表示所述历史用户标识i与所述历史用户标识j对网络服务标识k的相似系数;
其中,当所述历史用户标识i与所述历史用户标识j对所述网络服务标识K对应的网络服务的评分相同时,d(i,j,k)的值为第一预设值,当所述历史用户标识i或所述历史用户标识j对上述网络服务标识K对应的网络服务没有评分或者所述历史用户标识i或所述历史用户标识j对所述网络服务标识K对应的网络服务的评分不相同时,d(i,j,k)的值为第二预设值。
需要说明的是,第一预设值与第二预设值可以为任意自然数,但是第一预设值与第二预设值不同。例如,第一预设值为1,第二预设值为0,或者第一预设值为2,第二预设值为3等。
进一步可选的,在计算获得用户相似度之后,可以保存计算的任意两个历史用户标识的用户相似度,以便于后续方便确定与目标用户相似度高的历史用户标识群。当然,也可以对计算获得的用户相似度不保存,后续确定与目标用户相似度高的历史用户标识群时,实时计算用户相似度。
进一步可选的,所述推荐单元504,包括:确定模块5041,判断模块5042,推荐模块5043;
确定模块5041,用于根据所述历史用户标识群,在所述历史用户反馈的所述网络服务评价记录中确定所述历史用户标识群对应的网络服务评价记录;
判断模块5042,用于判断在所述历史用户标识群对应的网络服务评价记录中是否存在网络服务标识P,所述网络服务标识P满足的条件为所述网络服务标识P对应的评分为满分,并且所述目标用户标识对应的目标用户没有接受过所述网络服务标识P对应的网络服务;
推荐模块5043,用于当所述历史用户标识群对应的网络服务评价记录中存在所述网络服务标识P时,将所述网络服务标识P推荐给所述目标用户标识对应的目标用户。
需要说明的是,附图5或附图6所示装置中,其各个模块的具体实施过程以及各个模块之间的信息交互等内容,由于与本发明方法实施例基于同一发明构思,可以参见方法实施例,在此不一一赘述。
本发明实施例提供一种信息推荐的装置,通过根据历史用户反馈的网络服务评价记录,计算单元计算历史用户标识中任意两个历史用户标识的用户相似度;获取单元获取目标用户标识;根据所述目标用户标识,以及计算的所述用户相似度,确定单元确定与所述目标用户标识相似度高的历史用户标识群;根据所述历史用户标识群,推荐单元在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户。本发明实施例提供的方案可以根据历史用户的网络服务评价记录对目标用户进行信息推荐,使得可以提高为用户推荐的信息的准确性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (12)
1.一种信息推荐的方法,其特征在于,包括:
根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度;
获取目标用户标识;
根据所述目标用户标识,以及计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群;
根据所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户。
2.根据权利要求1所述的信息推荐的方法,其特征在于,在所述根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度之前,还包括:
获取所述历史用户反馈的初始网络服务评价记录;
将所述初始网络服务评价记录进行垃圾信息过滤、去重处理后,保存处理之后的所述网络服务评价记录。
3.根据权利要求1或2所述的信息推荐的方法,其特征在于,所述网络服务评价记录中包括历史用户标识、各个所述历史用户接受的网络服务对应的网络服务标识以及所述历史用户为所述网络服务的评分;其中,在所述网络服务评价记录中所述历史用户标识唯一,所述网络服务标识唯一。
4.根据权利要求3所述的信息推荐的方法,其特征在于,所述根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度,包括:
根据所述历史用户反馈的所述网络服务评价记录中任意两个历史用户标识对相同网络服务的相同评分,计算所述历史用户标识中任意两个历史用户标识的用户相似度。
5.根据权利要求4所述的信息推荐的方法,其特征在于,所述根据所述历史用户反馈的所述网络服务评价记录中任意两个历史用户标识对相同网络服务的相同评分,计算所述历史用户标识中任意两个历史用户标识的用户相似度,
包括:
根据计算所述历史用户标识中任意两个历史用户标识的用户相似度;其中,D(i,j)表示历史用户标识i与历史用户标识j的用户相似度,M表示各个所述历史用户接受的网络服务对应的网络服务标识总数,d(i,j,k)表示所述历史用户标识i与所述历史用户标识j对网络服务标识k的相似系数;
其中,当所述历史用户标识i与所述历史用户标识j对所述网络服务标识K对应的网络服务的评分相同时,d(i,j,k)的值为第一预设值,当所述历史用户标识i或所述历史用户标识j对上述网络服务标识K对应的网络服务没有评分或者所述历史用户标识i或所述历史用户标识j对所述网络服务标识K对应的网络服务的评分不相同时,d(i,j,k)的值为第二预设值。
6.根据权利要求1-5中任一项所述的信息推荐的方法,其特征在于,所述根据所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户,包括:
根据所述历史用户标识群,在所述历史用户反馈的所述网络服务评价记录中确定所述历史用户标识群对应的网络服务评价记录;
判断在所述历史用户标识群对应的网络服务评价记录中是否存在网络服务标识P,所述网络服务标识P满足的条件为所述网络服务标识P对应的评分为满分,并且所述目标用户标识对应的目标用户没有接受过所述网络服务标识P对应的网络服务;
当所述历史用户标识群对应的网络服务评价记录中存在所述网络服务标识P时,将所述网络服务标识P推荐给所述目标用户标识对应的目标用户。
7.一种信息推荐的装置,其特征在于,包括:
计算单元,用于根据历史用户反馈的网络服务评价记录,计算历史用户标识中任意两个历史用户标识的用户相似度;
获取单元,用于获取目标用户标识;
确定单元,用于根据所述获取单元获得的所述目标用户标识,以及所述计算单元计算的所述用户相似度,确定与所述目标用户标识相似度高的历史用户标识群;
推荐单元,用于根据所述确定单元确定的所述历史用户标识群,在所述历史用户标识群对应的所述网络服务评价记录中确定目标信息,并将所述目标信息推荐给所述目标用户标识对应的目标用户。
8.根据权利要求7所述的信息推荐的装置,其特征在于,
所述获取单元,还用于获取所述历史用户反馈的初始网络服务评价记录;
所述装置,还包括:处理单元,用于将所述初始网络服务评价记录进行垃圾信息过滤、去重处理;
保存单元,用于将所述初始网络服务评价记录进行垃圾信息过滤、去重处理后,保存处理之后的所述网络服务评价记录。
9.根据权利要求7或8所述的信息推荐的装置,其特征在于,所述网络服务评价记录中包括历史用户标识、各个所述历史用户接受的网络服务对应的网络服务标识以及所述历史用户为所述网络服务的评分;其中,在所述网络服务评价记录中所述历史用户标识唯一,所述网络服务标识唯一。
10.根据权利要求9所述的信息推荐的装置,其特征在于,所述计算单元用于:
根据所述历史用户反馈的所述网络服务评价记录中任意两个历史用户标识对相同网络服务的相同评分,计算所述历史用户标识中任意两个历史用户标识的用户相似度。
11.根据权利要求10所述的信息推荐的装置,其特征在于,所述计算单元用于:
根据计算所述历史用户标识中任意两个历史用户标识的用户相似度;其中,D(i,j)表示历史用户标识i与历史用户标识j的用户相似度,M表示各个所述历史用户接受的网络服务对应的网络服务标识总数,d(i,j,k)表示所述历史用户标识i与所述历史用户标识j对网络服务标识k的相似系数;
其中,当所述历史用户标识i与所述历史用户标识j对所述网络服务标识K对应的网络服务的评分相同时,d(i,j,k)的值为第一预设值,当所述历史用户标识i或所述历史用户标识j对上述网络服务标识K对应的网络服务没有评分或者所述历史用户标识i或所述历史用户标识j对所述网络服务标识K对应的网络服务的评分不相同时,d(i,j,k)的值为第二预设值。
12.根据权利要求7-11中任一项所述的信息推荐的装置,其特征在于,所述推荐单元,包括:
确定模块,用于根据所述历史用户标识群,在所述历史用户反馈的所述网络服务评价记录中确定所述历史用户标识群对应的网络服务评价记录;
判断模块,用于判断在所述历史用户标识群对应的网络服务评价记录中是否存在网络服务标识P,所述网络服务标识P满足的条件为所述网络服务标识P对应的评分为满分,并且所述目标用户标识对应的目标用户没有接受过所述网络服务标识P对应的网络服务;
推荐模块,用于当所述历史用户标识群对应的网络服务评价记录中存在所述网络服务标识P时,将所述网络服务标识P推荐给所述目标用户标识对应的目标用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310135870.5A CN104111938B (zh) | 2013-04-18 | 2013-04-18 | 一种信息推荐的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310135870.5A CN104111938B (zh) | 2013-04-18 | 2013-04-18 | 一种信息推荐的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104111938A true CN104111938A (zh) | 2014-10-22 |
CN104111938B CN104111938B (zh) | 2018-09-18 |
Family
ID=51708733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310135870.5A Active CN104111938B (zh) | 2013-04-18 | 2013-04-18 | 一种信息推荐的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104111938B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899236A (zh) * | 2014-11-13 | 2015-09-09 | 深圳市腾讯计算机系统有限公司 | 一种评论信息显示方法、装置及系统 |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
CN105812411A (zh) * | 2014-12-30 | 2016-07-27 | 大唐软件技术股份有限公司 | 定制信息的推荐方法和装置 |
CN105975538A (zh) * | 2016-04-29 | 2016-09-28 | 乐视控股(北京)有限公司 | 内容推荐方法及装置 |
CN105989106A (zh) * | 2015-02-12 | 2016-10-05 | 广东欧珀移动通信有限公司 | 一种基于兴趣相似度的推荐方法及装置 |
CN108429776A (zh) * | 2017-02-13 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 网络对象的推送方法、装置、客户端、交互设备以及系统 |
CN109657140A (zh) * | 2018-12-13 | 2019-04-19 | 平安普惠企业管理有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
CN109873757A (zh) * | 2019-03-29 | 2019-06-11 | 上海连尚网络科技有限公司 | 用于多人会话的消息显示方法、电子设备和可读介质 |
CN110111167A (zh) * | 2018-02-01 | 2019-08-09 | 北京京东尚科信息技术有限公司 | 一种确定推荐对象的方法和装置 |
WO2020006834A1 (zh) * | 2018-07-06 | 2020-01-09 | 平安科技(深圳)有限公司 | 金融机构推荐方法、设备、存储介质及装置 |
CN111259223A (zh) * | 2020-02-17 | 2020-06-09 | 北京国新汇金股份有限公司 | 基于情感分析模型的新闻推荐和文本分类方法 |
CN113722601A (zh) * | 2021-09-07 | 2021-11-30 | 南方电网数字电网研究院有限公司 | 电力量测信息推荐方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1418344A (zh) * | 2000-12-06 | 2003-05-14 | 索尼公司 | 信息处理装置 |
US20090307296A1 (en) * | 2008-06-04 | 2009-12-10 | Samsung Electronics Co., Ltd. | Method for anonymous collaborative filtering using matrix factorization |
CN101685458A (zh) * | 2008-09-27 | 2010-03-31 | 华为技术有限公司 | 一种基于协同过滤的推荐方法和系统 |
CN102495864A (zh) * | 2011-11-25 | 2012-06-13 | 清华大学 | 基于评分的协同过滤推荐方法及系统 |
CN102855333A (zh) * | 2012-09-27 | 2013-01-02 | 南京大学 | 一种基于组推荐的服务选取系统及其选取方法 |
-
2013
- 2013-04-18 CN CN201310135870.5A patent/CN104111938B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1418344A (zh) * | 2000-12-06 | 2003-05-14 | 索尼公司 | 信息处理装置 |
US20090307296A1 (en) * | 2008-06-04 | 2009-12-10 | Samsung Electronics Co., Ltd. | Method for anonymous collaborative filtering using matrix factorization |
CN101685458A (zh) * | 2008-09-27 | 2010-03-31 | 华为技术有限公司 | 一种基于协同过滤的推荐方法和系统 |
CN102495864A (zh) * | 2011-11-25 | 2012-06-13 | 清华大学 | 基于评分的协同过滤推荐方法及系统 |
CN102855333A (zh) * | 2012-09-27 | 2013-01-02 | 南京大学 | 一种基于组推荐的服务选取系统及其选取方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
CN104899236B (zh) * | 2014-11-13 | 2019-01-29 | 深圳市腾讯计算机系统有限公司 | 一种评论信息显示方法、装置及系统 |
CN104899236A (zh) * | 2014-11-13 | 2015-09-09 | 深圳市腾讯计算机系统有限公司 | 一种评论信息显示方法、装置及系统 |
CN105812411A (zh) * | 2014-12-30 | 2016-07-27 | 大唐软件技术股份有限公司 | 定制信息的推荐方法和装置 |
CN105989106A (zh) * | 2015-02-12 | 2016-10-05 | 广东欧珀移动通信有限公司 | 一种基于兴趣相似度的推荐方法及装置 |
CN105975538A (zh) * | 2016-04-29 | 2016-09-28 | 乐视控股(北京)有限公司 | 内容推荐方法及装置 |
CN108429776A (zh) * | 2017-02-13 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 网络对象的推送方法、装置、客户端、交互设备以及系统 |
CN110111167A (zh) * | 2018-02-01 | 2019-08-09 | 北京京东尚科信息技术有限公司 | 一种确定推荐对象的方法和装置 |
WO2020006834A1 (zh) * | 2018-07-06 | 2020-01-09 | 平安科技(深圳)有限公司 | 金融机构推荐方法、设备、存储介质及装置 |
CN109657140A (zh) * | 2018-12-13 | 2019-04-19 | 平安普惠企业管理有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
CN109873757A (zh) * | 2019-03-29 | 2019-06-11 | 上海连尚网络科技有限公司 | 用于多人会话的消息显示方法、电子设备和可读介质 |
CN111259223A (zh) * | 2020-02-17 | 2020-06-09 | 北京国新汇金股份有限公司 | 基于情感分析模型的新闻推荐和文本分类方法 |
CN113722601A (zh) * | 2021-09-07 | 2021-11-30 | 南方电网数字电网研究院有限公司 | 电力量测信息推荐方法、装置、计算机设备和存储介质 |
CN113722601B (zh) * | 2021-09-07 | 2024-04-16 | 南方电网数字电网研究院股份有限公司 | 电力量测信息推荐方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104111938B (zh) | 2018-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104111938A (zh) | 一种信息推荐的方法及装置 | |
CN110008248B (zh) | 一种数据处理方法和装置 | |
JP5662620B2 (ja) | ユーザ行動に基づく内容情報推薦 | |
CN105335409B (zh) | 一种目标用户的确定方法、设备和网络服务器 | |
CN108805598B (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
US20020065797A1 (en) | System, method and computer program for automated collaborative filtering of user data | |
US20130185294A1 (en) | Recommender system, recommendation method, and program | |
CN111080409A (zh) | 一种推送信息的计算机装置、方法、设备及介质 | |
CN107153656B (zh) | 一种信息搜索方法和装置 | |
CN105469263A (zh) | 一种商品推荐方法及装置 | |
US20230214867A1 (en) | Interface for interacting with transformed deal data | |
CN111429203A (zh) | 基于用户行为数据的商品推荐方法和装置 | |
CN105354719A (zh) | 应用于电子商务平台的信用评估系统及方法 | |
CN110647631A (zh) | 案例推荐的方法及装置、存储介质、处理器 | |
CN109101553B (zh) | 用于购买方非受益方的行业的采购用户评价方法和系统 | |
CN107203883B (zh) | 一种风险控制方法和设备 | |
CN106445905A (zh) | 问答数据处理、自动问答方法及装置 | |
JP2016118931A (ja) | 名寄せ装置、名寄せ方法及び名寄せプログラム | |
JP2018045553A (ja) | 選択装置、選択方法および選択プログラム | |
CN105468649A (zh) | 一种待展示对象匹配的判断方法及其装置 | |
CN106708868A (zh) | 一种互联网数据分析方法及系统 | |
CN104615721A (zh) | 用于基于退货关联信息推荐商品的方法和系统 | |
CN113327146A (zh) | 一种信息追踪方法和装置 | |
CN111080401A (zh) | 一种年龄估计方法及装置 | |
CN107798457A (zh) | 投资组合方案推荐方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |