CN106095960A - 一种网络服务推荐方法及装置 - Google Patents

Abstract

本发明公开了一种网络服务推荐方法，包括：分别提取每个移动用户和预设的目标用户的基础信息；所述基础信息包括场景位置信息、网络服务信息、时间信息和等级信息；分别将所述每个移动用户的基础信息与所述目标用户的基础信息进行对比，获得所述移动用户与所述目标用户的偏好相似度；向所述偏好相似度大于预设阈值的移动用户推荐所述目标用户相关的网络服务。相应的，本发明还公开了一种网络服务推荐装置。采用本发明实施例，能够提高网络服务推荐的准确率。

Description

一种网络服务推荐方法及装置

技术领域

本发明涉及移动通信技术领域，尤其涉及一种网络服务推荐方法及装置。

背景技术

目前，基于移动用户位置服务的研究绝大多数围绕移动用户位置的变化或者轨迹的变化来寻找移动用户出行的规律，或者找出轨迹相似的用户并给出服务推荐的策略。其中，网络服务的推荐主要应用在互联网，侧重于对用户购买需求、购买偏好的挖掘，因此只通过用户－项目(用户偏好)的推荐模型来研究相同兴趣的用户特征，以把用户喜欢的商品推荐给其他与该用户兴趣相似的用户。

但是，移动用户在一段时间的上网偏好是跟时间信息、位置信息相关的。移动用户在一定时间周期范围(如一周的上午、下午、晚上、凌晨，一个月的上午、下午、晚上、凌晨，一个月的工作日的上午、下午、晚上、凌晨，一个月的休息日的上午、下午、晚上、凌晨)内，其所处的位置是在不断的变化的，同时其在不同的位置所需求的网络服务也是不同的。例如，一个智能手机用户在每个工作日的7点上网查看当天的天气情况，在上班路上会进同一家餐厅吃早餐，坐地铁的时候会上网听音乐，而下班后会在网上超市购物。因此，若只考虑用户爱好来进行网络推荐，会导致网络推荐的准确率低下。

发明内容

本发明实施例提出一种网络服务推荐方法及装置，能够提高网络服务推荐的准确率。

本发明实施例提供一种网络服务推荐方法，包括：

分别提取每个移动用户和预设的目标用户的基础信息；所述基础信息包括场景位置信息、网络服务信息、时间信息和等级信息；

分别将所述每个移动用户的基础信息与所述目标用户的基础信息进行对比，获得所述移动用户与所述目标用户的偏好相似度；

向所述偏好相似度大于预设阈值的移动用户推荐所述目标用户相关的网络服务。

进一步地，所述等级信息为用户使用的套餐等级，所述时间信息为用户发生网络服务的时间，所述场景位置信息为用户所在的场景位置，所述网络服务信息为用户发生网络服务的偏好信息。

进一步地，所述分别将所述每个移动用户的基础信息与所述目标用户的基础信息进行对比，获得所述移动用户与所述目标用户的偏好相似度，具体包括：

分别将每个移动用户的等级信息与预设的目标用户的等级信息进行对比，并根据对比结果获得所述移动用户的权重系数；

根据所述移动用户的场景位置信息、时间信息和网络服务信息，获得所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；

根据所述目标用户的场景位置信息、时间信息和网络服务信息，获得所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；

根据所述移动用户的权重系数、在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，采用相似度算法，获得所述移动用户与所述目标用户的偏好相似度。

进一步地，所述相似度算法的计算公式如下：

$sim(u_x,u_y)=\frac{w_i}{e^{dis(L_x,L_y)}}cos(s_x,s_y);$

$dis(L_x,L_y)=\sqrt{{\mathrm{\Σ}}_{k=1}^{k=n}{(L_{xk}-L_{yk})}^2};$

其中，sim(u_x，u_y)为移动用户与目标用户的偏好相似度，L_xk为移动用户在预设时间周期内每个预设时段的场景位置向量，L_yk为目标用户在预设时间周期内每个预设时段的场景位置向量，n为预设时间周期内预设时段的个数，s_x为移动用户在每个场景位置的网络服务偏好信息，s_y为目标用户在每个场景位置的网络服务偏好信息，w_i为移动用户的权重系数。

进一步地，在所述根据所述移动用户的权重系数、在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，采用相似度算法，获得所述移动用户与所述目标用户的偏好相似度之前，还包括：

对所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息进行归一化处理。

相应地，本发明实施例还提供一种网络服务推荐装置，包括：

提取模块，用于分别提取每个移动用户和预设的目标用户的基础信息；所述基础信息包括场景位置信息、网络服务信息、时间信息和等级信息；

对比模块，用于分别将所述每个移动用户的基础信息与所述目标用户的基础信息进行对比，获得所述移动用户与所述目标用户的偏好相似度；以及，

推荐模块，用于向所述偏好相似度大于预设阈值的移动用户推荐所述目标用户相关的网络服务。

进一步地，所述等级信息为用户使用的套餐等级，所述时间信息为用户发生网络服务的时间，所述场景位置信息为用户所在的场景位置，所述网络服务信息为用户发生网络服务的偏好信息。

进一步地，所述对比模块具体包括：

对比单元，用于分别将每个移动用户的等级信息与预设的目标用户的等级信息进行对比，并根据对比结果获得所述移动用户的权重系数；

第一信息获取单元，用于根据所述移动用户的场景位置信息、时间信息和网络服务信息，获得所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；

第二信息获取单元，用于根据所述目标用户的场景位置信息、时间信息和网络服务信息，获得所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；以及，

相似度计算单元，用于根据所述移动用户的权重系数、在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，采用相似度算法，获得所述移动用户与所述目标用户的偏好相似度。

进一步地，所述相似度算法的计算公式如下：

$sim(u_x,u_y)=\frac{w_i}{e^{dis(L_x,L_y)}}cos(s_x,s_y);$

$dis(L_x,L_y)=\sqrt{{\mathrm{\Σ}}_{k=1}^{k=n}{(L_{xk}-L_{yk})}^2};$

其中，sim(u_x，u_y)为移动用户与目标用户的偏好相似度，L_xk为移动用户在预设时间周期内每个预设时段的场景位置向量，L_yk为目标用户在预设时间周期内每个预设时段的场景位置向量，n为预设时间周期内预设时段的个数，s_x为移动用户在每个场景位置的网络服务偏好信息，s_y为目标用户在每个场景位置的网络服务偏好信息，w_i为移动用户的权重系数。

进一步地，所述网络服务推荐装置还包括：

处理模块，用于对所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息进行归一化处理。

实施本发明实施例，具有如下有益效果：

本发明实施例提供的网络服务推荐方法及装置，能够结合用户的场景位置信息、网络服务信息、时间信息和等级信息来计算用户之间的相似度，从而向相似度高的用户推荐相关的网络服务，提高网络服务推荐的准确率。

附图说明

图1是本发明提供的网络服务推荐方法的一个实施例的流程示意图；

图2是本发明提供的网络服务推荐方法中步骤S2的一个实施例的流程示意图；

图3是本发明提供的网络服务推荐装置的一个实施例的结构示意图；

图4是本发明提供的网络服务推荐装置中对比模块的一个实施例的结构示意图。

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。

参见图1，本发明提供的网络服务推荐方法的一个实施例的流程示意图，包括：

S1、分别提取每个移动用户和预设的目标用户的基础信息；所述基础信息包括场景位置信息、网络服务信息、时间信息和等级信息；

S2、分别将所述每个移动用户的基础信息与所述目标用户的基础信息进行对比，获得所述移动用户与所述目标用户的偏好相似度；

S3、向所述偏好相似度大于预设阈值的移动用户推荐所述目标用户相关的网络服务。

进一步地，所述等级信息为用户使用的套餐等级，所述时间信息为用户发生网络服务的时间，所述场景位置信息为用户所在的场景位置，所述网络服务信息为用户发生网络服务的偏好信息。

需要说明的是，用户的基础信息可通过移动通信数据来获取，基础信息的数据字段包括用户信息、场景位置信息、网络服务信息、时间信息和等级信息。其中，用户信息一般为手机号或IMSI号，可通过用户信息向相应的移动用户推荐相关的网络服务；场景位置信息为用户所在的具体场景，如办公室、家里、路上等，具体是通过用户的逗留特征来识别；网络服务信息为用户使用移动网络的偏好信息，如上网听音乐、网上超市购物等；时间信息为用户发生网络服务的时间；等级信息为用户移动终端所使用的话费套餐的等级，如用户使用的话费套餐为每月400元以上，则定义为用户的等级信息为高价值套餐等级。

在推荐网络服务时，先选取一个移动用户作为目标用户，再将其余每个移动用户与该目标用户进行对比。提取每个移动用户和目标用户的基础信息，将其基础信息进行比较，计算出每个移动用户与目标用户的偏好相似度，向偏好相似度高的移动用户推荐目标用户相关的网络服务。在本实施例中，基础信息是通过运营商来获取，数据获取便利。同时，基于场景位置信息、网络服务信息、时间信息和等级信息来计算用户之间的相似度，计算复杂度低，推荐准确率高。而且，目前移动终端，如手机的渗透率已经超过100％，几乎人手一个手机，使运营商能够获取绝大多数用户的基础信息，网络服务推荐范围广。

进一步地，如图2所示，所述分别将所述每个移动用户的基础信息与所述目标用户的基础信息进行对比，获得所述移动用户与所述目标用户的偏好相似度，具体包括：

S21、分别将每个移动用户的等级信息与预设的目标用户的等级信息进行对比，并根据对比结果获得所述移动用户的权重系数；

S22、根据所述移动用户的场景位置信息、时间信息和网络服务信息，获得所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；

S23、根据所述目标用户的场景位置信息、时间信息和网络服务信息，获得所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；

S24、根据所述移动用户的权重系数、在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，采用相似度算法，获得所述移动用户与所述目标用户的偏好相似度。

需要说明的是，在提取用户的基础信息后，还需对基础信息的数据进行加工。先将每个移动用户的等级信息与目标用户的等级信息进行对比，并根据对比结果来获取权重系数。其中，权重系数取值在0～1之间，移动用户与目标用户的等级相差越大，权重系数的取值越小。若移动用户与目标用户的等级信息相同，即两个用户属于同样的话费套餐等级，则权重系数取值为1。

同时，根据预先设置的时间周期和时间周期中预先划分的时段(如工作时段、下班时段、休息时段等)，计算用户在预设时间周期内每个预设时段的场景位置向量，从而获得在所有时间周期内的每个用户的位置变化序列矩阵P_t＝(z_ij)_M×N，t∈U，i＝1、2、…、M，j＝1、2、…、N，其中，U表示所有用户的集合，M表示时间周期，N表示一个时间周期中设置的时段个数，Z表示用户所处的场景位置。进而，计算用户在每个场景位置的网络服务偏好信息，获得每个用户在所有场景位置处发生网络服务的情况的矩阵t∈U，k＝1、2、…、M，n＝1、2、…、N，l＝＝1、2、…、L，其中，L表示场景位置，S表示网络服务偏好信息。在获取移动用户的权重系数、在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息后，即可采用相似度算法，计算获得每个移动用户与目标用户的偏好相似度。

本发明实施例利用移动通信数据认知用户在不同场景位置对上网需求的变化规律，把时间信息和场景位置信息作为一种特殊的上下文，形成“上下文－用户－项目”的推荐模型，同时，引入用户的等级信息，在一定程度上考虑不同收入阶层的用户的使用行为的差异，提高网络服务推荐的准确率。

进一步地，所述相似度算法的计算公式如下：

$sim(u_x,u_y)=\frac{w_i}{e^{dis(L_x,L_y)}}cos(s_x,s_y);$

$dis(L_x,L_y)=\sqrt{{\mathrm{\Σ}}_{k=1}^{k=n}{(L_{xk}-L_{yk})}^2};$

其中，sim(u_x，u_y)为移动用户与目标用户的偏好相似度，L_xk为移动用户在预设时间周期内每个预设时段的场景位置向量，L_yk为目标用户在预设时间周期内每个预设时段的场景位置向量，n为预设时间周期内预设时段的个数，s_x为移动用户在每个场景位置的网络服务偏好信息，s_y为目标用户在每个场景位置的网络服务偏好信息，w_i为移动用户的权重系数。

需要说明的是，先获取移动用户x和目标用户y的信息，即Px＝(Lx，Sx)和Py＝(Ly，Sy)，再获取移动用户在不同时段的权重系数w_i，i＝1，2，…，N，w_i取值在0-1之间。进而，采用相似度算法计算移动用户x和目标用户y在使用移动网络的偏好相似度。

进一步地，在所述根据所述移动用户的权重系数、在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，采用相似度算法，获得所述移动用户与所述目标用户的偏好相似度之前，还包括：

对所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息进行归一化处理。

需要说明的是，在获取移动用户x和目标用户y的信息，即Px＝(Lx，Sx)和Py＝(Ly，Sy)后，对获取的信息进行归一化处理，使得移动用户x和目标用户y的信息矩阵具有相同的长度，以便进行之后偏好相似度的计算。

本发明实施例提供的网络服务推荐方法，能够结合用户的场景位置信息、网络服务信息、时间信息和等级信息来计算用户之间的相似度，从而向相似度高的用户推荐相关的网络服务，提高网络服务推荐的准确率。

相应的，本发明还提供一种网络服务推荐装置，能够实现上述实施例中的网络服务推荐方法的所有流程。

参见图3，是本发明提供的网络服务推荐装置的一个实施例的结构示意图，包括：

提取模块1，用于分别提取每个移动用户和预设的目标用户的基础信息；所述基础信息包括场景位置信息、网络服务信息、时间信息和等级信息；

对比模块2，用于分别将所述每个移动用户的基础信息与所述目标用户的基础信息进行对比，获得所述移动用户与所述目标用户的偏好相似度；以及，

推荐模块3，用于向所述偏好相似度大于预设阈值的移动用户推荐所述目标用户相关的网络服务。

进一步地，所述等级信息为用户使用的套餐等级，所述时间信息为用户发生网络服务的时间，所述场景位置信息为用户所在的场景位置，所述网络服务信息为用户发生网络服务的偏好信息。

进一步地，所述对比模块2具体包括：

对比单元21，用于分别将每个移动用户的等级信息与预设的目标用户的等级信息进行对比，并根据对比结果获得所述移动用户的权重系数；

第一信息获取单元22，用于根据所述移动用户的场景位置信息、时间信息和网络服务信息，获得所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；

第二信息获取单元23，用于根据所述目标用户的场景位置信息、时间信息和网络服务信息，获得所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；以及，

相似度计算单元24，用于根据所述移动用户的权重系数、在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，采用相似度算法，获得所述移动用户与所述目标用户的偏好相似度。

进一步地，所述相似度算法的计算公式如下：

$sim(u_x,u_y)=\frac{w_i}{e^{dis(L_x,L_y)}}cos(s_x,s_y);$

$dis(L_x,L_y)=\sqrt{{\mathrm{\Σ}}_{k=1}^{k=n}{(L_{xk}-L_{yk})}^2};$

其中，sim(u_x，u_y)为移动用户与目标用户的偏好相似度，L_xk为移动用户在预设时间周期内每个预设时段的场景位置向量，L_yk为目标用户在预设时间周期内每个预设时段的场景位置向量，n为预设时间周期内预设时段的个数，s_x为移动用户在每个场景位置的网络服务偏好信息，s_y为目标用户在每个场景位置的网络服务偏好信息，w_i为移动用户的权重系数。

进一步地，所述网络服务推荐装置还包括：

处理模块，用于对所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息进行归一化处理。

本发明实施例提供的网络服务推荐装置，能够结合用户的场景位置信息、网络服务信息、时间信息和等级信息来计算用户之间的相似度，从而向相似度高的用户推荐相关的网络服务，提高网络服务推荐的准确率。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种网络服务推荐方法，其特征在于，包括：

分别提取每个移动用户和预设的目标用户的基础信息；所述基础信息包括场景位置信息、网络服务信息、时间信息和等级信息；

分别将所述每个移动用户的基础信息与所述目标用户的基础信息进行对比，获得所述移动用户与所述目标用户的偏好相似度；

向所述偏好相似度大于预设阈值的移动用户推荐所述目标用户相关的网络服务。

2.如权利要求1所述的网络服务推荐方法，其特征在于，所述等级信息为用户使用的套餐等级，所述时间信息为用户发生网络服务的时间，所述场景位置信息为用户所在的场景位置，所述网络服务信息为用户发生网络服务的偏好信息。

3.如权利要求2所述的网络服务推荐方法，其特征在于，所述分别将所述每个移动用户的基础信息与所述目标用户的基础信息进行对比，获得所述移动用户与所述目标用户的偏好相似度，具体包括：

分别将每个移动用户的等级信息与预设的目标用户的等级信息进行对比，并根据对比结果获得所述移动用户的权重系数；

根据所述移动用户的场景位置信息、时间信息和网络服务信息，获得所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；

根据所述目标用户的场景位置信息、时间信息和网络服务信息，获得所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；

根据所述移动用户的权重系数、在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，采用相似度算法，获得所述移动用户与所述目标用户的偏好相似度。

4.如权利要求3所述的网络服务推荐方法，其特征在于，所述相似度算法的计算公式如下：

$sim(u_x,u_y)=\frac{w_i}{e^{dis\left(L_x,L_y\right)}}cos(s_x,s_y);$

$dis(L_x,L_y)=\sqrt{{\mathrm{\Σ}}_{k=1}^{k=n}{(L_{xk}-L_{yk})}^2};$

其中，sim(u_x，u_y)为移动用户与目标用户的偏好相似度，L_xk为移动用户在预设时间周期内每个预设时段的场景位置向量，L_yk为目标用户在预设时间周期内每个预设时段的场景位置向量，n为预设时间周期内预设时段的个数，s_x为移动用户在每个场景位置的网络服务偏好信息，s_y为目标用户在每个场景位置的网络服务偏好信息，w_i为移动用户的权重系数。

5.如权利要求3或4所述的网络服务推荐方法，其特征在于，在所述根据所述移动用户的权重系数、在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，采用相似度算法，获得所述移动用户与所述目标用户的偏好相似度之前，还包括：

对所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息进行归一化处理。

6.一种网络服务推荐装置，其特征在于，包括：

提取模块，用于分别提取每个移动用户和预设的目标用户的基础信息；所述基础信息包括场景位置信息、网络服务信息、时间信息和等级信息；

对比模块，用于分别将所述每个移动用户的基础信息与所述目标用户的基础信息进行对比，获得所述移动用户与所述目标用户的偏好相似度；以及，

推荐模块，用于向所述偏好相似度大于预设阈值的移动用户推荐所述目标用户相关的网络服务。

7.如权利要求6所述的网络服务推荐装置，其特征在于，所述等级信息为用户使用的套餐等级，所述时间信息为用户发生网络服务的时间，所述场景位置信息为用户所在的场景位置，所述网络服务信息为用户发生网络服务的偏好信息。

8.如权利要求7所述的网络服务推荐装置，其特征在于，所述对比模块具体包括：

对比单元，用于分别将每个移动用户的等级信息与预设的目标用户的等级信息进行对比，并根据对比结果获得所述移动用户的权重系数；

第一信息获取单元，用于根据所述移动用户的场景位置信息、时间信息和网络服务信息，获得所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；

第二信息获取单元，用于根据所述目标用户的场景位置信息、时间信息和网络服务信息，获得所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息；以及，

相似度计算单元，用于根据所述移动用户的权重系数、在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，采用相似度算法，获得所述移动用户与所述目标用户的偏好相似度。

9.如权利要求8所述的网络服务推荐装置，其特征在于，所述相似度算法的计算公式如下：

$sim(u_x,u_y)=\frac{w_i}{e^{dis\left(L_x,L_y\right)}}cos(s_x,s_y);$

$dis(L_x,L_y)=\sqrt{{\mathrm{\Σ}}_{k=1}^{k=n}{(L_{xk}-L_{yk})}^2};$

其中，sim(u_x，u_y)为移动用户与目标用户的偏好相似度，L_xk为移动用户在预设时间周期内每个预设时段的场景位置向量，L_yk为目标用户在预设时间周期内每个预设时段的场景位置向量，n为预设时间周期内预设时段的个数，s_x为移动用户在每个场景位置的网络服务偏好信息，s_y为目标用户在每个场景位置的网络服务偏好信息，w_i为移动用户的权重系数。

10.如权利要求8或9所述的网络服务推荐装置，其特征在于，所述网络服务推荐装置还包括：

处理模块，用于对所述移动用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息，以及所述目标用户在预设时间周期内每个预设时段的场景位置向量和在每个场景位置的网络服务偏好信息进行归一化处理。