CN104899265B - 信息推荐方法及系统 - Google Patents

Abstract

本发明公开一种信息推荐方法及系统，其中，信息推荐方法包括：接收应用触发的应用登录操作；根据所述应用登录操作判断所述应用触发前的登录是否为所述应用在预设周期内的首次登录；若为是，则按照当前的账户信息向服务器发起推荐信息获取请求，将所述服务器返回的推荐信息显示于应用界面；其中，所述推荐信息是所述账户信息所属用户的相似用户的历史搜索结果；若为否，则提取保存的推荐信息，并显示于应用界面。信息推荐系统包括：登录操作接收模块、登录判断模块、请求发起模块及提取推荐信息模块。本发明实现了主动对账户信息所属用户推荐相似用户的历史搜索结果，避免了用户浏览时间过长且学习兴趣不高的问题。

Description

信息推荐方法及系统

技术领域

本发明涉及互联网技术领域，尤其涉及一种信息推荐方法及系统。

背景技术

互联网的出现与普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速发展而带来的信息的种类与数量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而下降了，这也就是所谓的信息过载（Information Overload）问题。

为了解决该问题，个性化推荐应运而生。个性化推荐是根据用户的信息需求、兴趣特点等，向用户推荐其感兴趣的信息、产品等。个性化推荐已广泛应用于很多领域，例如，最典型并具有良好的发展和应用前景的领域就是电子商务领域。

目前，市面上还没有在智能家教机领域上应用个性化推荐，尤其未应用于智能家教机中的搜题答疑系统，使得用户需要在茫茫题海中寻找自己所需要的题目信息。这种浏览大量无关的信息的过程不仅会使得淹没在信息过载问题中的用户无端地浪费过多不必要的时间，而且还无法提高用户的学习兴趣，违背了智能家教机的初衷，从而必将导致消费智能家教机的用户的不断流失。

发明内容

为了解决现有技术中存在的上述问题，本发明的目的在于提供一种可以节省用户浏览时间且激发用户学习兴趣的信息推荐方法及系统。

一种信息推荐方法，其包括：接收应用触发的应用登录操作；根据所述应用登录操作判断所述应用触发前的登录是否为所述应用在预设周期内的首次登录；若为是，则按照当前的账户信息向服务器发起推荐信息获取请求，将所述服务器返回的推荐信息显示于应用界面；其中，所述推荐信息是所述账户信息所属用户的相似用户的历史搜索结果；若为否，则提取保存的推荐信息，并显示于应用界面。

在一实施例中，所述按照当前的账户信息向服务器发起推荐信息获取请求的步骤之后，所述信息推荐方法还包括：从接收到的所述推荐信息获取请求中获取所述账户信息；根据所述账户信息获取所述账户信息所属用户的人口统计学信息；及以所述人口统计学信息为特征进行匹配计算得到所述相似用户，并将所述相似用户的历史搜索结果返回给发起推荐信息获取请求的所述应用。

在一实施例中，所述根据所述账户信息获取所述账户信息所属用户的人口统计学信息的步骤之后，所述信息推荐方法还包括：当获取不到所述账户信息所属用户的人口统计学信息，则以所述账户信息所属用户的所属地区为特征得到所述相似用户，并将所述相似用户的历史搜索结果返回给发起推荐信息获取请求的所述应用。

在一实施例中，所述根据所述账户信息获取所述账户信息所属用户的人口统计学信息的步骤包括：判断所述账户信息所属用户的人口统计学信息是否存储于预存的人口统计学信息中；若为是，则从所述预存的人口统计学信息中直接获取所述账户信息所属用户的人口统计学信息；若为否，则根据所述账户信息从行为数据库中收集所述账户信息所属用户的用户行为数据，对收集到的所述用户行为数据进行处理，以获取所述账户信息所属用户的人口统计学信息。

在一实施例中，所述对收集到的所述用户行为数据进行处理，以获取所述账户信息所属用户的人口统计学信息的步骤包括：对收集到的所述用户行为数据进行一致性比较，以得到所述账户信息所属用户的行为信息；对存储于所述行为数据库的所述账户信息所属用户的个人信息进行一致性比较，以得到所述账户信息所属用户的用户信息；及将所述行为信息与用户信息进行一致性比较，比较结果即为获取到的所述账户信息所属用户的人口统计学信息。

在一实施例中，所述接收应用触发的应用登录操作的步骤之前，所述信息推荐方法还包括：预先收集用户的人口统计学信息与搜索行为数据；根据所述用户的人口统计学信息对搜索行为数据进行数据抽取处理，得到抽取信息；对所述抽取信息进行筛选处理，得到筛选信息；及将所述筛选信息存储于预定空间，得到所述用户的历史搜索结果。

一种信息推荐系统，其包括与服务器交互的终端，所述终端包括：登录操作接收模块，用于接收应用触发的应用登录操作；登录判断模块，用于根据所述应用登录操作判断所述应用触发前的登录是否为所述应用在预设周期内的首次登录；；若为是，通知请求发起模块；若为否，通知提取推荐信息模块；所述请求发起模块用于按照当前的账户信息向服务器发起推荐信息获取请求，将所述服务器返回的推荐信息显示于应用界面；其中，所述推荐信息是所述账户信息所属用户的相似用户的历史搜索结果；及所述提取推荐信息模块用于提取保存的推荐信息，并显示于应用界面。

在一实施例中，所述信息推荐系统还包括与所述终端交互的所述服务器，所述服务器包括：账户信息获取模块，用于从接收到的所述推荐信息获取请求中获取所述账户信息；人口统计学信息获取模块，用于根据所述账户信息获取所述账户信息所属用户的人口统计学信息；及匹配计算模块，用于以所述人口统计学信息为特征进行匹配计算得到所述相似用户，并将所述相似用户的历史搜索结果返回给发起推荐信息获取请求的所述应用。

在一实施例中，所述服务器还包括：所属地区模块，用于当获取不到所述账户信息所属用户的人口统计学信息，则以所述账户信息所属用户的所属地区为特征得到所述相似用户，并将所述相似用户的历史搜索结果返回给发起推荐信息获取请求的所述应用。

在一实施例中，所述人口统计学信息获取模块包括：存储判断子模块，用于判断所述账户信息所属用户的人口统计学信息是否存储于预存的人口统计学信息中；若为是，通知获取子模块；若为否，通知行为数据处理子模块；所述获取子模块用于从所述预存的人口统计学信息中直接获取所述账户信息所属用户的人口统计学信息；及所述行为数据处理子模块用于根据所述账户信息从行为数据库中收集所述账户信息所属用户的用户行为数据，对收集到的所述用户行为数据进行处理，以获取所述账户信息所属用户的人口统计学信息。

在一实施例中，所述行为数据处理子模块包括：行为信息获取单元，用于对收集到的所述用户行为数据进行一致性比较，以得到所述账户信息所属用户的行为信息；用户信息获取单元，用于对存储于所述行为数据库的所述账户信息所属用户的个人信息进行一致性比较，以得到所述账户信息所属用户的用户信息；及比较单元，用于将所述行为信息与用户信息进行一致性比较，比较结果即为获取到的所述账户信息所属用户的人口统计学信息。

在一实施例中，所述信息推荐系统还包括与所述服务器交互的结果预存平台，所述结果预存平台包括：收集模块，用于预先收集用户的人口统计学信息与搜索行为数据；抽取模块，用于根据所述用户的人口统计学信息对搜索行为数据进行数据抽取处理，得到抽取信息；筛选模块，用于对所述抽取信息进行筛选处理，得到筛选信息；及存储模块，用于将所述筛选信息存储于预定空间，得到所述用户的历史搜索结果。

与现有技术相比，本发明具有以下有益效果：

当判断到应用触发前的登录是该应用在预设周期内的首次登录时，根据当前的账户信息向服务器发起推荐信息获取请求，从而将服务器中相似用户的历史搜索结果返回给发起推荐信息获取请求的该应用。也就是说，在服务器中匹配计算与当前用户的账户信息相似的用户，并将该服务器中存储的与相似用户对应的历史搜索结果返回给当前用户。利用服务器进行的匹配计算，获取服务器中原有的历史搜索结果，从而实现了主动对账户信息所属用户推荐相似用户的历史搜索结果，不仅节省了用户的浏览时间，而且提高了用户的学习兴趣。

附图说明

图1为一实施例的信息推荐方法的流程图。

图2为另一实施例的信息推荐方法的流程图。

图3为图2的获取账户信息所属用户的人口统计学信息的步骤的流程图。

图4为图3的对收集到的所述用户行为数据进行处理的步骤的流程图。

图5为另一实施例的信息推荐方法的流程图。

图6为另一实施例的信息推荐方法的应用场景图。

图7为一实施例的信息推荐系统的结构框图。

图8为另一实施例的信息推荐系统的结构框图。

图9为图8的人口统计学信息获取模块的结构框图。

图10为图9的行为数据处理子模块的结构框图。

图11为另一实施例的信息推荐系统的结构框图。

具体实施方式

以下参考附图，对本发明予以进一步地详尽阐述。

请参阅图1，在一实施例中，一种信息推荐方法包括以下步骤：

步骤110，接收应用触发的应用登录操作。

本实施例中，应用隶属于终端，应用登录操作则是由用户登录该终端上的应用而触发的。例如，终端为智能家教机，相应的，应用可以为终端上的智能答疑应用或者搜题答疑应用。

用户的登录形式可以有多种，例如，最常用的登录形式就是在应用界面中输入该用户的账户信息。其中，账户信息中至少包含可唯一标识出该用户的账户名。

步骤130，根据应用登录操作判断应用触发前的登录是否为应用在预设周期内的首次登录。

本实施例中，应用触发前的登录为用户以输入账户信息的登录形式进行的登录。只要是用户在预设周期内的第一次账户信息的输入，即认为是该用户首次登录该应用。也就是说，如果用户拥有多个账户名，当用户输入的账户名a是第一次出现在该应用中，则认为是用户以该账户名a进行的首次登录；当用户输入的账户名b也是第一次出现在该应用中，也认为用户以该账户名b进行的登录是首次登录。

优选地，预设周期为24小时，当然，也可以根据实际的应用场景来对该预设周期进行相应的设置，以更好地满足市场需求，本实施例并未对此加以限制。

步骤150，若为是，则按照当前的账户信息向服务器发起推荐信息获取请求，将服务器返回的推荐信息显示于应用界面。其中，推荐信息是账户信息所属用户的相似用户的历史搜索结果。

本实施例中，当前的账户信息包含有用户首次登录时所输入的账户名、密码以及其他个人信息，例如，其他个人信息可以包括用户的所属地区、年龄、性别、职业、兴趣爱好等等。

若判断到用户进行的登录是首次登录，则向服务器发起推荐信息获取请求，该推荐信息获取请求中至少包含当前的账户信息，以利于服务器得到该账户信息所属用户的相似用户。其中，相似用户可以是与该账户信息所属用户的其他个人信息类似的用户，例如，二者的年龄类似、或者兴趣爱好类似。

通过服务器从预存的用户的历史搜索结果中将相似用户的历史搜索结果作为推荐信息返回给终端，由终端将该推荐信息显示于应用界面，实现了主动对账户信息所属用户推荐相似用户的历史搜索结果。

进一步地，当相似用户的历史搜索结果为该相似用户在智能家教机中曾经学习过的题目，就可以帮助用户在茫茫题海中找到其感兴趣的题目，激发用户的学习兴趣，从而实现对用户的个性化热门题目推荐，实现根据用户的集体智慧来帮助用户提高学习成绩，进而达到用户之间相互学习的目的。

步骤170，若为否，则提取保存的推荐信息，并显示于应用界面。

本实施例中，若判断到用户进行的登录并非首次登录，则直接从服务器或者发起推荐信息获取请求的应用上提取保存的推荐信息，并显示于应用界面。其中，该推荐信息是用户首次登录后相应地保存于服务器或者发起推荐信息获取请求的应用中的，以避免服务器的重复推荐，提高服务器的推荐效率。也就是说，在预设周期内，无论哪次登录，用户得到的推荐信息都是与其首次登录时服务器所返回的推荐信息相同。

请参阅图2，在一实施例中，步骤150中按照当前的账户信息向服务器发起推荐信息获取请求之后，信息推荐方法还包括以下步骤：

步骤210，从接收到的推荐信息获取请求中获取账户信息。

本实施例中，服务器接收到的推荐信息获取请求中至少包含有用户首次登录终端上的发起推荐信息获取请求的应用所输入的账户信息。该服务器与终端的交互方式可以采用网络传输协议，也可以根据传输需求采用其他传输协议，采用何种协议将取决于服务器与终端的交互方式。例如，服务器与终端同处于同一局域网时，二者可以通过网络传输协议中的TCP/IP协议进行数据传输。

步骤230，根据账户信息获取账户信息所属用户的人口统计学信息。

本实施例中，账户信息至少包含有用户登录时所输入的个人信息，例如，个人信息可以包括用户的所属地区、年龄、性别、职业、兴趣爱好等等。而用户每次登录时所输入的个人信息可能不完全相同，人口统计学信息即是基于统计学原理以其中出现频率高的个人信息为基准统计而得。也就是说，人口统计学信息是与账户信息中包含的个人信息基本一致的，根据账户信息可以相应地从预存的人口统计学信息中获取到账户信息所属用户的人口统计学信息。

步骤250，以人口统计学信息为特征进行匹配计算得到相似用户，并将相似用户的历史搜索结果返回给发起推荐信息获取请求的应用。

本实施例中，服务器以人口统计学信息为特征，将账户信息所属用户的人口统计学信息与预存于服务器的其他用户的人口统计学信息进行匹配计算，得到人口统计学信息与账户信息所属用户的人口统计学信息类似的用户，该用户即为相似用户。例如，二者的年龄类似、或者兴趣爱好类似。

在一实施例中，步骤230之后，信息推荐方法还包括以下步骤：

当获取不到账户信息所属用户的人口统计学信息，则以账户信息所属用户的所属地区为特征得到相似用户，并将相似用户的历史搜索结果返回给发起推荐信息获取请求的应用。

本实施例中，当获取不到账户信息所属用户的人口统计学信息，则从账户信息中包含的个人信息中提取用户的所属地区，作为账户信息所属用户的所属地区。服务器以该账户信息所属用户的所属地区为特征，将该所属地区搜索次数多的历史搜索结果返回给发起推荐信息获取请求的应用，而该些历史搜索结果所属用户则作为得到的相似用户。

当然，在其他实施例中，考虑到人口统计学信息中包含有其他用户的所属地区，服务器也可以是以该所属地区为特征，将账户信息所属用户的所属地区与预存于服务器的其他用户的人口统计学信息中的所属地区进行匹配计算，得到所属地区与账户信息所属用户的所属地区类似的用户，该用户即为相似用户。例如，二者属于同一市区，或者，二者虽不属于同一县市，但属于同一省份。

请参阅图3，在一实施例中，步骤230包括以下步骤：

步骤231，判断账户信息所属用户的人口统计学信息是否存储于预存的人口统计学信息中。

本实施例中，预存的人口统计学信息存储于服务器，是由服务器对不同账户信息所属用户的人口统计学信息进行定期收集而得到的。例如，服务器可以在预设周期内仅对该些人口统计学信息进行一次收集，既保证了服务器中存储内容的新颖性，也可以避免服务器因过于频繁的收集而影响其他方面的服务性能。

不同账户信息对应于不同用户登录发起推荐信息获取请求的应用时的输入信息，或者，对应于相同用户以不同账户名进行的登录。也就是说，预存的人口统计学信息与曾经登录过该应用的用户的账户信息相对应，即曾经登录过该应用的用户的人口统计学信息会被存储于服务器中作为预存的人口统计学信息。

步骤233，若为是，则从预存的人口统计学信息中直接获取账户信息所属用户的人口统计学信息。

本实施例中，若判断到账户信息所属用户的人口统计学信息存储于服务器中，则直接从该服务器中获取。

步骤235，若为否，则根据账户信息从行为数据库中收集账户信息所属用户的用户行为数据，对收集到的用户行为数据进行处理，以获取账户信息所属用户的人口统计学信息。

本实施例中，若判断到账户信息所属用户的人口统计学信息未存储于服务器中，即表示该账户信息所属用户不曾登录过发起推荐信息获取请求的应用，则从行为数据库中对账户信息所属用户的用户行为数据进行收集。

其中，该行为数据库中至少保存有曾经登录过终端上的其他应用的用户的用户行为数据，该用户行为数据表示用户在其他应用中的使用行为，通过用户行为数据可以反应出该用户的个人信息。例如，使用行为包括搜索行为，而通过该搜索行为可以反应出该用户的兴趣爱好甚至年龄。

也就是说，该账户信息所属用户虽然不曾登录过发起推荐信息获取请求的应用，但是可能登录过终端上的其他应用，从而在该终端上的其他应用中留下使用痕迹，而能够被行为数据库保存为相应地用户行为数据。因此，通过该行为数据库则有可能收集到账户信息所属用户的用户行为数据，以获取账户信息所属用户的人口统计学信息，进而得到相似用户，并将相似用户的历史搜索结果返回给发起推荐信息获取请求的应用。

当然，如果账户信息所属用户也不曾登录过终端上的其他应用，那么根据账户信息从行为数据库中势必收集不到相应的用户行为数据，也就获取不到账户信息所属用户的人口统计学信息，此时，服务器将以其他方式得到相似用户。例如，服务器将以账户信息所属用户的所属地区为特征得到相似用户，并将相似用户的历史搜索结果返回给发起推荐信息获取请求的应用。

请参阅图4，在一实施例中，步骤235包括以下步骤：

步骤2351，对收集到的用户行为数据进行一致性比较，以得到账户信息所属用户的行为信息。

本实施例中，由于收集到的用户行为数据可能来源于终端上的不同应用，或者，来源于终端上同一应用的多次不同的使用行为，必然存在着用户行为差异，因此对该些用户行为数据需要进行一致性比较，以出现频率高的用户行为数据为基准，得出账户信息所属用户的行为信息。

步骤2353，对存储于行为数据库的账户信息所属用户的个人信息进行一致性比较，以得到账户信息所属用户的用户信息。

本实施例中，该行为数据库中还包含有曾经登录过终端上的其他应用的用户的账户信息，该账户信息是用户在登录应用时所输入的，其至少包含有用户的个人信息，例如，个人信息可以包括用户的所属地区、年龄、性别、职业、兴趣爱好等等。

由于该些账户信息中的个人信息可能来源于终端上的不同应用，或者，来源于终端上同一应用的多次不同的输入行为，必然存在着用户信息差异，因此对该些个人信息需要进行一致性比较，以出现频率高的个人信息为基准，得出账户信息所属用户的用户信息。

步骤2355，将行为信息与用户信息进行一致性比较，比较结果即为获取到的账户信息所属用户的人口统计学信息。

本实施例中，行为信息与用户信息又进行进一步的一致性比较，当行为信息与用户信息完全一致时，以用户信息作为获取到的账户信息所属用户的人口统计学信息；当行为信息与用户信息不完全一致时，以行为信息作为获取到的账户信息所属用户的人口统计学信息。

此外，在其他实施例中，还可以对比较结果进行可信度设置，以提高信息推荐的准确性。例如，当步骤2351、2353及2355中的一致性比较结果均为完全一致时，以得出的用户信息作为获取到的账户信息所属用户的人口统计学信息，此时的信息推荐准确性最高，将可信度设置为A级。当步骤2351、2353及2355中的一致性比较结果均为不完全一致时，以得出的行为信息作为获取到的账户信息所属用户的人口统计学信息，此时的信息推荐准确性最低，将可信度设置为C级。其余情况下则认为信息推荐准确性介于上述二者之间，将可信度设置为B级。

请参阅图5，在一实施例中，步骤110之前，信息推荐方法还包括以下步骤：

步骤510，预先收集用户的人口统计学信息与搜索行为数据。

本实施例中，人口统计学信息表示曾经登录过终端上的任意应用的用户的账户信息，该账户信息中至少包含有该用户在登录时所输入的个人信息。搜索行为数据表示曾经登录过终端上的任意应用的用户的搜索行为，例如，该搜索行为可以是对某一热门话题的搜索，也可以是对某一道数学题目的搜索。

服务器对用户的人口统计学信息与搜索行为数据的收集可以是定期的，例如，在预设周期内仅收集一次，既保证了服务器所收集内容的新颖性，也可以避免服务器因过于频繁的收集而影响其他方面的服务性能。

步骤530，根据用户的人口统计学信息对搜索行为数据进行数据抽取处理，得到抽取信息。

本实施例中，数据抽取包括利用人口统计学信息对搜索行为数据进行清洗、转换并加载至数据仓库中，使收集到的分散、零乱的搜索行为数据得以整合，形成抽取信息，以为后续的信息筛选提供筛选依据。

步骤550，对抽取信息进行筛选处理，得到筛选信息。

本实施例中，筛选处理包括评估、过滤、排序以及推荐解释等。其中，评估是对抽取信息的新颖性、准确性进行评估，过滤则是从评估后的结果中将已经推荐过的信息过滤掉，然后根据搜索次数的从多到少对过滤后的结果进行重新排序。

步骤570，将筛选信息存储于预定空间，得到用户的历史搜索结果。

本实施例中，筛选信息存储于服务器的预定空间，以形成用户的历史搜索结果，其中，该用户包括了与账户信息所属用户的相似用户及不相似用户。当服务器接收到终端上的应用发起的推荐信息获取请求，则相应地从该预定空间中提取与账户信息所属用户的相似用户的历史搜索结果，并将其作为推荐信息返回给发起推荐信息获取请求的应用。

当然，在其他实施例中，筛选信息也可以被存储于独立于服务器的预定空间内，本实施例并不以此为限。当服务器接收到终端上的应用发起的推荐信息获取请求，同时根据获取到的账户信息向独立的预定空间发送历史搜索结果获取请求，以获取该预定空间响应的与账户信息所属用户的相似用户的历史搜索结果，并将其作为推荐信息返回给发起推荐信息获取请求的应用。

请参阅图6，在一实施例中，采用上述信息推荐方法的系统架构600包括：数据采集库610、BDP平台（Business Data Platform，商业数据平台）630、推荐系统650、redis缓存库670以及用户所在的与缓存库670交互的终端690。其中，推荐系统650包括：推荐引擎组651、评估模块653及结果处理模块655。

本实施例中，预先收集用户的人口统计学信息与搜索行为数据由数据采集库610完成。

BDP平台630负责从数据采集库610中提取人口统计学信息与搜索行为数据，调用MapReduce（映射规约）程序根据该人口统计学信息对该搜索行为数据进行数据抽取（ETL，Extraction-Transformation-Loading）处理。同时，该BDP平台630还负责根据账户信息获取账户信息所属用户的人口统计学信息。通过该BDP平台630的设置，使得海量的用户的相关数据能够被快速、及时的处理。

由BDP平台630处理得到的抽取信息经过推荐引擎组651提取后，被发送至评估模块653进行评估，同时经结果处理模块655进行过滤、排序及推荐解释等筛选处理，以得到筛选信息。

该筛选信息被推荐系统650输出存储于redis缓存库670中，形成用户的历史搜索结果，通过该redis缓存库670与终端690的交互，使得redis缓存库670能够快速的响应终端上的应用发起的推荐信息获取请求，将与账户信息所属用户的相似用户的历史搜索结果作为推荐信息返回至发起推荐信息获取请求的应用。

请参阅图7，在一实施例中，一种信息推荐系统700包括：与服务器80交互的终端70，终端70包括：

登录操作接收模块710，用于接收应用触发的应用登录操作。

登录判断模块730，用于根据应用登录操作判断应用触发前的登录是否为应用在预设周期内的首次登录。若为是，通知请求发起模块750；若为否，通知提取推荐信息模块770。

请求发起模块750，用于按照当前的账户信息向服务器发起推荐信息获取请求，将服务器返回的推荐信息显示于应用界面。其中，推荐信息是账户信息所属用户的相似用户的历史搜索结果。

提取推荐信息模块770，用于提取保存的推荐信息，并显示于应用界面。

请参阅图8，在一实施例中，信息推荐系统700还包括：与终端70交互的服务器80，服务器80包括：

账户信息获取模块810，用于从接收到的推荐信息获取请求中获取账户信息。

人口统计学信息获取模块830，用于根据账户信息获取账户信息所属用户的人口统计学信息。

匹配计算模块850，用于以人口统计学信息为特征进行匹配计算得到相似用户，并将相似用户的历史搜索结果返回给发起推荐信息获取请求的应用。

在一实施例中，服务器80还包括：

所属地区模块，用于当获取不到账户信息所属用户的人口统计学信息，则以账户信息所属用户的所属地区为特征得到相似用户，并将相似用户的历史搜索结果返回给发起推荐信息获取请求的应用。

请参阅图9，在一实施例中，人口统计学信息获取模块830包括：

存储判断子模块831，用于判断账户信息所属用户的人口统计学信息是否存储于预存的人口统计学信息中。若为是，通知获取子模块833；若为否，通知行为数据处理子模块835。

获取子模块833，用于从预存的人口统计学信息中直接获取账户信息所属用户的人口统计学信息。

行为数据处理子模块835，用于根据账户信息从行为数据库中收集账户信息所属用户的用户行为数据，对收集到的用户行为数据进行处理，以获取账户信息所属用户的人口统计学信息。

请参阅图10，在一实施例中，行为数据处理子模块835包括：

行为信息获取单元8351，用于对收集到的用户行为数据进行一致性比较，以得到账户信息所属用户的行为信息。

用户信息获取单元8353，用于对存储于行为数据库的账户信息所属用户的个人信息进行一致性比较，以得到账户信息所属用户的用户信息。

比较单元8355，用于将行为信息与用户信息进行一致性比较，比较结果即为获取到的账户信息所属用户的人口统计学信息。

请参阅图11，在一实施例中，信息推荐系统700还包括：与服务器80交互的结果预存平台90，结果预存平台90包括：

收集模块910，用于预先收集用户的人口统计学信息与搜索行为数据。

抽取模块930，用于根据用户的人口统计学信息对搜索行为数据进行数据抽取处理，得到抽取信息。

筛选模块950，用于对抽取信息进行筛选处理，得到筛选信息。

存储模块970，用于将筛选信息存储于预定空间，得到用户的历史搜索结果。

上述内容，仅为本发明的较佳实施例，并非用于限制本发明的实施方案，本领域普通技术人员根据本发明的主要构思和精神，可以十分方便地进行相应的变通或修改，故本发明的保护范围应以权利要求书所要求的保护范围为准。

Claims (10)

1.一种信息推荐方法，其特征在于，包括：

接收应用触发的应用登录操作；

根据所述应用登录操作判断所述应用触发前的登录是否为所述应用在预设周期内的首次登录；

若为是，则按照当前的账户信息向服务器发起推荐信息获取请求，将所述服务器返回的推荐信息显示于应用界面；其中，所述推荐信息是所述账户信息所属用户的相似用户的历史搜索结果；

若为否，则提取保存的推荐信息，并显示于应用界面；

所述接收应用触发的应用登录操作的步骤之前，所述信息推荐方法还包括：

预先收集用户的人口统计学信息与搜索行为数据；其中，所述人口统计学信息表示曾经登录过终端上的任意应用的用户的账户信息，所述账户信息中至少包含有所述用户在登录时所输入的个人信息，所述搜索行为数据表示曾经登录过终端上的任意应用的用户的搜索行为；

根据所述用户的人口统计学信息对搜索行为数据进行数据抽取处理，得到抽取信息；其中，所述数据抽取包括利用所述人口统计学信息对所述搜索行为数据进行清洗、转换并加载至数据仓库中，使收集到的分散、零乱的搜索行为数据得以整合，形成抽取信息，以为后续的信息筛选提供筛选依据；

对所述抽取信息进行筛选处理，得到筛选信息；

将所述筛选信息存储于预定空间，得到所述用户的历史搜索结果。

2.如权利要求1所述的信息推荐方法，其特征在于，所述按照当前的账户信息向服务器发起推荐信息获取请求的步骤之后，所述信息推荐方法还包括：

从接收到的所述推荐信息获取请求中获取所述账户信息；

根据所述账户信息获取所述账户信息所属用户的人口统计学信息；及

以所述人口统计学信息为特征进行匹配计算得到所述相似用户，并将所述相似用户的历史搜索结果返回给发起推荐信息获取请求的所述应用。

3.根据权利要求2所述的信息推荐方法，其特征在于，所述根据所述账户信息获取所述账户信息所属用户的人口统计学信息的步骤之后，所述信息推荐方法还包括：

当获取不到所述账户信息所属用户的人口统计学信息，则以所述账户信息所属用户的所属地区为特征得到所述相似用户，并将所述相似用户的历史搜索结果返回给发起推荐信息获取请求的所述应用。

4.如权利要求2所述的信息推荐方法，其特征在于，所述根据所述账户信息获取所述账户信息所属用户的人口统计学信息的步骤包括：

判断所述账户信息所属用户的人口统计学信息是否存储于预存的人口统计学信息中；

若为是，则从所述预存的人口统计学信息中直接获取所述账户信息所属用户的人口统计学信息；

若为否，则根据所述账户信息从行为数据库中收集所述账户信息所属用户的用户行为数据，对收集到的所述用户行为数据进行处理，以获取所述账户信息所属用户的人口统计学信息。

5.如权利要求4所述的信息推荐方法，其特征在于，所述对收集到的所述用户行为数据进行处理，以获取所述账户信息所属用户的人口统计学信息的步骤包括：

对收集到的所述用户行为数据进行一致性比较，以得到所述账户信息所属用户的行为信息；

对存储于所述行为数据库的所述账户信息所属用户的个人信息进行一致性比较，以得到所述账户信息所属用户的用户信息；及

将所述行为信息与用户信息进行一致性比较，比较结果即为获取到的所述账户信息所属用户的人口统计学信息。

6.一种信息推荐系统，其特征在于，包括与服务器交互的终端，所述终端包括：

登录操作接收模块，用于接收应用触发的应用登录操作；

登录判断模块，用于根据所述应用登录操作判断所述应用触发前的登录是否为所述应用在预设周期内的首次登录；若为是，通知请求发起模块；若为否，通知提取推荐信息模块；

所述请求发起模块用于按照当前的账户信息向服务器发起推荐信息获取请求，将所述服务器返回的推荐信息显示于应用界面；其中，所述推荐信息是所述账户信息所属用户的相似用户的历史搜索结果；及

所述提取推荐信息模块用于提取保存的推荐信息，并显示于应用界面；

所述信息推荐系统还包括与所述服务器交互的结果预存平台，所述结果预存平台包括：

收集模块，用于预先收集用户的人口统计学信息与搜索行为数据；其中，所述人口统计学信息表示曾经登录过终端上的任意应用的用户的账户信息，所述账户信息中至少包含有所述用户在登录时所输入的个人信息，所述搜索行为数据表示曾经登录过终端上的任意应用的用户的搜索行为；

抽取模块，用于根据所述用户的人口统计学信息对搜索行为数据进行数据抽取处理，得到抽取信息；其中，所述数据抽取包括利用所述人口统计学信息对所述搜索行为数据进行清洗、转换并加载至数据仓库中，使收集到的分散、零乱的搜索行为数据得以整合，形成抽取信息，以为后续的信息筛选提供筛选依据；

筛选模块，用于对所述抽取信息进行筛选处理，得到筛选信息；及

存储模块，用于将所述筛选信息存储于预定空间，得到所述用户的历史搜索结果。

7.如权利要求6所述的信息推荐系统，其特征在于，还包括与所述终端交互的所述服务器，所述服务器包括：

账户信息获取模块，用于从接收到的所述推荐信息获取请求中获取所述账户信息；

人口统计学信息获取模块，用于根据所述账户信息获取所述账户信息所属用户的人口统计学信息；及

匹配计算模块，用于以所述人口统计学信息为特征进行匹配计算得到所述相似用户，并将所述相似用户的历史搜索结果返回给发起推荐信息获取请求的所述应用。

8.如权利要求7所述的信息推荐系统，其特征在于，所述服务器还包括：

所属地区模块，用于当获取不到所述账户信息所属用户的人口统计学信息，则以所述账户信息所属用户的所属地区为特征得到所述相似用户，并将所述相似用户的历史搜索结果返回给发起推荐信息获取请求的所述应用。

9.如权利要求7所述的信息推荐系统，其特征在于，所述人口统计学信息获取模块包括：

存储判断子模块，用于判断所述账户信息所属用户的人口统计学信息是否存储于预存的人口统计学信息中；若为是，通知获取子模块；若为否，通知行为数据处理子模块；

所述获取子模块用于从所述预存的人口统计学信息中直接获取所述账户信息所属用户的人口统计学信息；及

所述行为数据处理子模块用于根据所述账户信息从行为数据库中收集所述账户信息所属用户的用户行为数据，对收集到的所述用户行为数据进行处理，以获取所述账户信息所属用户的人口统计学信息。

10.如权利要求9所述的信息推荐系统，其特征在于，所述行为数据处理子模块包括：

行为信息获取单元，用于对收集到的所述用户行为数据进行一致性比较，以得到所述账户信息所属用户的行为信息；

用户信息获取单元，用于对存储于所述行为数据库的所述账户信息所属用户的个人信息进行一致性比较，以得到所述账户信息所属用户的用户信息；及

比较单元，用于将所述行为信息与用户信息进行一致性比较，比较结果即为获取到的所述账户信息所属用户的人口统计学信息。