CN106294727A - 一种推荐信息的方法及设备 - Google Patents

Abstract

本发明涉及信息服务领域，公开了一种推荐信息的方法及设备。所述方法包括以下步骤：获取第一用户的信息档案，从该用户的信息档案解析出N个基本信息数据和M个特征信息数据，组成该用户的信息特征向量；计算所述第一用户的信息特征向量与其他用户的信息特征向量之间的相似度；确定与所述用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户；以及获取该用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户。所述设备利用上述方法实现推荐信息的功能。通过上述方法和设备可实现向用户快速、准确地提供日常生活中的各种综合信息的目的，进行提高客户满意度。

Description

一种推荐信息的方法及设备

技术领域

本发明涉及信息服务领域，具体地，涉及一种推荐信息的方法及设备。

背景技术

随着信息时代的发展，信息服务行业正在改变人类的生活方式，在日常生活中，从衣食住行到投资管理、旅游娱乐、健康管理等都逐渐依赖信息服务，信息服务可以从庞杂的信息中为用户推荐最适合自己的信息策略，不仅为用户节约了选择的时间，而且能为用户提供更专业的建议。

信息服务企业为用户推荐的信息与用户的匹配度越高，越能提升用户满意度。因此，在激烈的行业竞争环境下，如果高效地向用户推荐信息成为信息服务企业提升竞争力的关键课题。

申请公布号为CN105740470A的发明专利公布了一种信息推荐方法及终端，该方法和终端根据预存的节日与约会策略的对应关系查找目标节日所对应的约会策略，所述约会策略包括约会时间信息和约会地点信息中至少一项；所述终端输出所述目标节日对应的约会策略。但是该方法和终端实行的前提是，根据预存的节日与约会策略的对应关系，然后遇到特定节日时，通过查找的方式为用户推荐约会策略，由此不难看出，该方法能得以实施的基础是，所述节日是固定的，而且在特定的节日，人们有惯有的行为模式，信息量相对比较单一，可以实现先通过预存再进行查找匹配。但是，日常生活中的信息量是综合又复杂的，人们的购物、投资、出行、健康管理等行为难以用一个固定的行为模式来概括，因此，上述专利文献公开的信息推荐方法及终端不适用推荐更加综合化的信息。

为解决向用户快速、准确地提供日常生活中的各种综合信息的问题，本发明提供了一种推荐信息的方法及设备，能提升用户满意度，从而提高信息服务企业的竞争力。

发明内容

本发明的目的是提供一种方法和设备，该设备和方法可实现快速准确地为用户推荐用户需要的信息。

为了实现上述目的，本发明提供一种推荐信息的方法，其特征在于，该方法包括以下步骤：获取第一用户的信息档案，从该用户的信息档案解析出N个基本信息数据(u₁,u₂,...u_N)和M个特征信息数据(v₁,v₂,...v_M)，组成该用户的信息特征向量其中表示该第一用户的信息特征向量，0＜i≤K，且i为自然数，K、N和M均是正整数；

计算所述第一用户的信息特征向量与其他用户的信息特征向量之间的相似度；确定与所述用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户；以及获取该用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户。

优选地，根据以下公式计算所述用户的信息特征向量与其他用户的信息特征向量之间的相似度：

$d_{i,j}=\frac{{\stackrel{\→}{c}}_i\·{\stackrel{\→}{c}}_j}{\left|\right|{\stackrel{\→}{c}}_i\left|\right|\×\left|\right|{\stackrel{\→}{c}}_j\left|\right|}$

其中，和分别表示第i个和第j个用户的信息特征向量，“·”表示两向量求内积的算子，表示计算某个向量的二范数；所求得的d_i,j表示第i个与第j个两个用户的信息特征向量和之间的相似度，其取值范围为0≤d_i,j≤1。

优选地，所述确定与所述用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户，获取该用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户包括：确定与所述用户的信息特征向量之间相似度为前L的信息特征向量所对应的L个用户，获取所述L个用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户，其中L为大于1的整数。

优选地，获取所述L个用户所选购过的信息产品和/或服务并将该信息产品和/或服务推荐给所述第一用户包括：确定所述第一用户已购买过的信息产品和/或服务；以及从所述L个用户所选购过的信息产品和/或服务内剔除所述第一用户已购买过的信息产品和/或服务，并将保留的信息产品和/或服务推荐给所述第一用户。

优选地，该方法还包括：针对所有K个用户，获取该K个用户的信息特征向量其中表示第i个用户的信息特征向量；以及构建K×K维用户信息特征相似度矩阵D，其中所述用户信息相似度矩阵D的第i行第j列的元素d_i,j表示第i个与第j个的两用户的信息特征向量和之间的相似度，0＜i≤K，0＜j≤K。

根据本发明实施例的另一方面，提供一种推荐信息的设备，其特征在于，该设备包括：特征向量生成装置，用于获取第一用户的信息档案，从该用户的信息档案解析出N个基本信息数据(u₁,u₂,...u_N)和M个特征信息数据(v₁,v₂,...v_M)，组成该用户的信息特征向量其中表示该第一用户的信息特征向量，0＜i≤K，且i为自然数，K、N和M均是正整数；

相似度计算装置，用于计算所述用户的信息特征向量与其他用户的信息特征向量之间的相似度；用户确定装置，用于确定与所述用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户；以及信息推荐装置，用于获取该用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户。

优选地，所述推荐信息的设备根据以下公式计算所述用户的信息特征向量与其他用户的信息特征向量之间的相似度：

$d_{i,j}=\frac{{\stackrel{\→}{c}}_i\·{\stackrel{\→}{c}}_j}{\left|\right|{\stackrel{\→}{c}}_i\left|\right|\×\left|\right|{\stackrel{\→}{c}}_j\left|\right|}$

其中，和分别表示第i个和第j个用户的信息特征向量，“·”表示两向量求内积的算子，表示计算某个向量的二范数；所求得的d_i,j表示第i个与第j个两个用户的信息特征向量和之间的相似度，其取值范围为0≤d_i,j≤1。

优选地，所述用户确定装置用于确定与所述用户的信息特征向量之间相似度为前L的信息特征向量所对应的L个用户，获取该L个用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户，其中L为大于1的整数。

优选地，所述信息推荐装置包括：已购买信息确定装置，用于确定所述第一用户已购买过的信息产品和/或服务；以及剔除装置，用于从所述L个用户所选购过的信息产品和/或服务内剔除所述第一用户已购买过的信息产品和/或服务，并将保留的信息产品和/或服务推荐给所述第一用户。

优选地，该设备还包括相似度矩阵构建装置，用于：针对所有K个用户，获取该K个用户的信息特征向量其中表示第i个用户的信息特征向量；以及构建K×K维用户信息特征相似度矩阵D，其中所述用户信息相似度矩阵D的第i行第j列的元素表示第i个与第j个的两用户的信息特征向量和之间的相似度，0＜i≤K，0＜j≤K。

通过上述技术方案，可实现向用户快速、准确地提供日常生活中的各种综合信息，能提升用户满意度，从而提高信息服务企业的竞争力。

本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1是根据本发明实施例一的推荐信息的方法的流程图；

图2是根据本发明实施例二的推荐信息的方法流程图；

图3是根据本发明实施例一的推荐信息的方法中将选定信息推荐给第一用户的优选方案的流程图；

图4是根据本发明实施例一的确定向所述第一用户推荐的信息的流程图；

图5是根据本发明实施例三的推荐信息的设备的结构图；

图6是根据本发明实施例四的推荐信息的设备的结构图。

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。

图1是根据本发明实施例一的推荐信息的方法的流程图。如图1所示，在实施例一中该方法包括以下步骤：

在步骤S110中，获取第一用户的信息档案，从该用户的信息档案解析出N个基本信息数据(u₁,u₂,...u_N)和M个特征信息数据(v₁,v₂,...v_M)，组成该用户的信息特征向量其中表示该第一用户的信息特征向量，0＜i≤K，且i为自然数，K、N和M均是正整数；

例如，所述第一用户的信息档案可以通过用户输入的信息中获得，例如所述第一用户在某购物网站上输入的查询信息或筛选信息；或所述第一用户在某健康咨询网站上输入的个人身体状况及其它信息；或所述第一用户在某投资平台上所做的风险评估信息等。

在步骤S120中，计算所述用户的信息特征向量与其他用户的信息特征向量之间的相似度；

优选地，根据以下公式计算所述用户的信息特征向量与其他用户的信息特征向量之间的相似度：

$d_{i,j}=\frac{{\stackrel{\→}{c}}_i\·{\stackrel{\→}{c}}_j}{\left|\right|{\stackrel{\→}{c}}_i\left|\right|\×\left|\right|{\stackrel{\→}{c}}_j\left|\right|}$

其中，和分别表示第i个和第j个用户的信息特征向量，“·”表示两向量求内积的算子，表示计算某个向量的二范数；所求得的表示第i个与第j个两个用户的信息特征向量和之间的相似度，其取值范围为0≤d_i,j≤1。

在步骤S130中，确定与所述第一用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户；

例如，如图4所示，可以通过以下步骤确认与所述第一用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户：

在步骤S410中，针对所有K个用户，获取该K个用户的信息特征向量其中表示第i个用户的信息特征向量。

在步骤S420中，构建K×K维用户信息特征相似度矩阵D，其中所述用户信息相似度矩阵D的第i行第j列的元素d_i,j表示第i个与第j个的两用户的信息特征向量和之间的相似度，0＜i≤K，0＜j≤K；

在步骤S430中，寻找所述行向量中除d_k,k外数值最大的元素所对应的列序号i_h，则第h个用户即是与给定用户信息特征向量相似度最高的用户，其中h为大于0的自然数，且h≤K。

在步骤S140中，获取该用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户。

所述推荐给所述第一用户的信息/或服务可以是任何用户需要的各种形式的信息和/或服务，例如：购物终端上的推送的推荐商品信息；投资平台推送给用户的投资产品建议；医疗保健单位发送给用户的健康管理方案，或医疗保健器械推荐信息等。

图2是根据本发明实施例二的推荐信息的方法流程图。如图2所示，在实施例二中，该方法所述确定与所述用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户，获取该用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户的过程中包括以下步骤：

在步骤S210中，确定与所述用户的信息特征向量之间相似度为前L的信息特征向量所对应的L个用户其中L为大于1的整数。

例如，可从所述相似度矩阵D中，寻找所述行向量中除d_k,k外数值最大的前L个元素所对应的列序号i₁,i₂,...,i_L，则第i₁、第i₂…第i_L共L个用户即是与给定用户健康特征向量相似度最高的前L个用户，其中L是正整数，且L≤K。

在步骤S220中，获取该L个用户所选购过的信息产品和/或服务。

在步骤S230中，将该信息产品和/或服务推荐给所述第一用户。由于所述L个用户与所述第一用户的相似度较高，所述第一用户在很大程度上与所述L个用户有相同或相似的信息和/服务需求，所述L个用户购买过的信息和/或服务中很有可能正是第一用户想要购买的信息和/服务，因此，通过如图2所示的方法可提高推荐信息和/服务的准确度和成功率。

图3是根据本发明实施例一的推荐信息的方法中将选定信息推荐给第一用户的优选方案的流程图。如图3所示，获取该用户所选购过的信息产品和/或服务并将该信息产品和/或服务推荐给所述第一用户包括：

在步骤S141中，确定所述第一用户已购买过的信息产品和/或服务。

在步骤S142中，从所述L个用户所选购过的信息产品和/或服务内剔除所述第一用户已购买过的信息产品和/或服务。

在步骤S143中，将保留的信息产品和/或服务推荐给所述第一用户。

例如，当用户在选购一种健康服务产品时，如果一项健康服务是用户已经购卖过的，那么用户很有可能不再需样这样的健康服务或者需要再购买其它的健康服务，因此没有必要再将这部分信息推荐给用户。通过如图3所述的方法推荐健康服务产品，能提高健康服务产品的推荐效率

通过上述技术方案，可实现准确匹配适合用户的信息和/或服务，提高信和/或服务的质量，进而可有效提升信息和/服务行业的业绩。

图5是根据本发明实施例三的推荐信息的设备的结构图。如图5所示，在实施例三中，该设备可包括：特征向量生成装置，用于获取第一用户的信息档案，从该用户的信息档案解析出N个基本信息数据(u₁,u₂,...u_N)和M个特征信息数据(v₁,v₂,...v_M)，组成该用户的信息特征向量其中表示该第一用户的信息特征向量，0＜i≤K，且i为自然数，K、N和M均是正整数；以及

相似度计算装置，用于计算所述用户的信息特征向量与其他用户的信息特征向量之间的相似度；用户确定装置，用于确定与所述用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户；以及信息推荐装置，用于获取该用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户。

优选地，所述相似度计算装置根据以下公式计算所述用户的信息特征向量与其他用户的信息特征向量之间的相似度：

$d_{i,j}=\frac{{\stackrel{\→}{c}}_i\·{\stackrel{\→}{c}}_j}{\left|\right|{\stackrel{\→}{c}}_i\left|\right|\×\left|\right|{\stackrel{\→}{c}}_j\left|\right|}$

其中，和分别表示第i个和第j个用户的信息特征向量，“·”表示两向量求内积的算子，表示计算某个向量的二范数；所求得的d_i,j表示第i个与第j个两个用户的信息特征向量和之间的相似度，其取值范围为0≤d_i,j≤1。

优选地，所述用户确定装置用于确定与所述用户的信息特征向量之间相似度为前L的信息特征向量所对应的L个用户，获取该L个用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户，其中L为大于1的整数。

所述L个用户可通过实施例二中的从所述相似度矩D中获得方法确定，相应地，作为本发明所述推荐信息的设备的一种优选实施方式，所述摔倒荐信息的设备还可以包括相似度矩阵构建装置，用于利用实施例二中所述的构建相似度矩阵的方法构建所述相似度矩阵D。

图6是根据在实施例四中所述本发明的推荐信息的设备的结构图。如图6所示，所述信息推荐装置包括：已购买信息确定装置，用于确定第一用户已购买过的信息产品和/或服务；以及剔除装置，用于从所述L个用户所选购过的信息产品和/或服务内剔除所述第一用户已购买过的信息产品和/或服务，并将剔除之后的信息产品和/或服务推荐给所述第一用户。如果一项信息和/或服务是所述第一用户已选购过的，那么就没有必要再将这部分信息和/服务推荐给所述第一用户，否则将会降低推荐信息和/或服务的效率，还有可能让用户感到厌烦，利用所述剔除装置将所述第一用户已购买过的信息/或服服务预先剔除，就能避免这样的情况发生，进而能提高用户的体验和满意度。

以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (10)

1.一种推荐信息的方法，其特征在于，该方法包括以下步骤：

获取第一用户的信息档案，从该用户的信息档案解析出N个基本信息数据(u₁,u₂,...u_N)和M个特征信息数据(v₁,v₂,...v_M)，组成该用户的信息特征向量其中表示该第一用户的信息特征向量，0＜i≤K，且i为自然数，K、N和M均是正整数；

计算所述第一用户的信息特征向量与其他用户的信息特征向量之间的相似度；

确定与所述第一用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户；以及

获取所述对应的用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户。

2.根据权利要求1所述的方法，其特征在于，根据以下公式计算所述用户的信息特征向量与其他用户的信息特征向量之间的相似度：

$d_{i,j}=\frac{{\stackrel{\→}{c}}_i\·{\stackrel{\→}{c}}_j}{\left|\right|{\stackrel{\→}{c}}_i\left|\right|\×\left|\right|{\stackrel{\→}{c}}_j\left|\right|}$

其中，和分别表示第i个和第j个用户的信息特征向量，“·”表示两向量求内积的算子，表示计算某个向量的二范数；

所求得的d_i,j表示第i个与第j个两个用户的信息特征向量和之间的相似度，其取值范围为0≤d_i,j≤1。

3.根据权利要求1所述的方法，其特征在于，其中，所述确定与所述第一用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户，获取该用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户包括：

确定与所述第一用户的信息特征向量之间相似度为前L的信息特征向量所对应的L个用户，获取所述L个用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户，其中L为大于1的整数。

4.根据权利要求1-3任一项权利要求所述的方法，其特征在于，获取该用户所选购过的信息产品和/或服务并将该信息产品和/或服务推荐给所述第一用户包括：

确定所述第一用户已购买过的信息产品和/或服务；以及

从所述所选购过的信息产品和/或服务内剔除所述第一用户已购买过的信息产品和/或服务，并将保留的信息产品和/或服务推荐给所述第一用户。

5.根据权利要求1所述的方法，其特征在于，该方法还包括：

针对所有K个用户，获取该K个用户的信息特征向量其中表示第i个用户的信息特征向量；以及

构建K×K维用户信息特征相似度矩阵D，其中所述用户信息相似度矩阵D的第i行第j列的元素d_i,j表示第i个与第j个的两用户的信息特征向量和之间的相似度，0＜i≤K，0＜j≤K。

6.一种推荐信息的设备，其特征在于，该设备包括：

特征向量生成装置，用于获取第一用户的信息档案，从该用户的信息档案解析出N个基本信息数据(u₁,u₂,…u_N)和M个特征信息数据(v₁,v₂,…v_M)，组成该用户的信息特征向量其中表示该第一用户的信息特征向量，0＜i≤K，且i为自然数，K、N和M均是正整数；

相似度计算装置，用于计算所述用户的信息特征向量与其他用户的信息特征向量之间的相似度；

用户确定装置，用于确定与所述用户的信息特征向量之间具有最高相似度的信息特征向量所对应的用户；以及

信息推荐装置，用于获取该用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户。

7.根据权利要求6所述的设备，其特征在于，根据以下公式计算所述用户的信息特征向量与其他用户的信息特征向量之间的相似度：

$d_{i,j}=\frac{{\stackrel{\→}{c}}_i\·{\stackrel{\→}{c}}_j}{\left|\right|{\stackrel{\→}{c}}_i\left|\right|\×\left|\right|{\stackrel{\→}{c}}_j\left|\right|}$

其中，和分别表示第i个和第j个用户的信息特征向量，“·”表示两向量求内积的算子，表示计算某个向量的二范数；

所求得的d_i,j表示第i个与第j个两个用户的信息特征向量和之间的相似度，其取值范围为0≤d_i,j≤1。

8.根据权利要求6所述的设备，其特征在于，其中，所述用户确定装置用于确定与所述用户的信息特征向量之间相似度为前L的信息特征向量所对应的L个用户，获取该L个用户所选购过的信息产品和/或服务，并将该信息产品和/或服务推荐给所述第一用户，其中L为大于1的整数。

9.根据权利要求6-8任一项权利要求所述的设备，其特征在于，所述信息推荐装置包括：

已购买信息确定装置，用于确定所述第一用户已购买过的信息产品和/或服务；以及

剔除装置，用于从所述L个用户所选购过的信息产品和/或服务内剔除所述第一用户已购买过的信息产品和/或服务，并将保留的信息产品和/或服务推荐给所述第一用户。

10.根据权利要求6所述的设备，其特征在于，该设备还包括相似度矩阵构建装置，用于：

针对所有K个用户，获取该K个用户的信息特征向量其中表示第i个用户的信息特征向量；以及

构建K×K维用户信息特征相似度矩阵D，其中所述用户信息相似度矩阵D的第i行第j列的元素d_i,j表示第i个与第j个的两用户的信息特征向量和之间的相似度，0＜i≤K，0＜j≤K。