CN108427774A - 一种用于内容推荐的方法和装置 - Google Patents

Abstract

本发明涉及一种用于内容推荐的装置，包括用户端和服务器端，所述用户端具有用户登录模块、用户搜索信息记录模块及显示模块，所述服务器端具有内容推送模块及用户信息数据记录模块。在进行个性化内容推送时，对简单的基于内容的推荐方法进行改进，通过统计内容及浏览时间的对应关系，可以实时计算用户对不同内容的偏好程度并据此推送内容，更加精确化，同时为了开发潜在内容用户，将具有相似爱好用户偏好的内容同时进行推送，最后还设置热门信息显示模块，可以帮助用户及时关注热点信息，并扩展视野，防止对个性化内容的沉迷。还提供了一种用于内容推荐的方法。

Description

一种用于内容推荐的方法和装置

技术领域

本发明涉及一种用于内容推荐的方法和装置。

背景技术

随着互联网信息的增多，用户普遍需要通过检索来获取自己所需要的信息，由于检索水平存在差异，有的用户往往难以快速有效的获取有用信息。目前许多用户端通过内容推荐的方式来推送基于用户兴趣的内容，例如中国发明专利CN106202131A公开了一种基于用户兴趣的新闻推荐方法；又如中国发明专利CN106250545A公开了一种基于用户搜索内容的多媒体推荐方法及系统，主要是根据建立的查询-多媒体分类矩阵对用户评分矩阵的特征项进行赋权，得到改进后的用户评分矩阵，然后结合基于用户查询向量的用户相似性以及基于用户评分矩阵的用户相似性计算得到用户总体相似性。但现有内容推荐的方法仍存在如下缺陷：首先，现有算法仍是基于内容推荐方法或者协同过滤方法，其实质是对用户搜索的单次内容进行关键词提取，缺少对用户多次搜索内容进行的分析，由于用户很多搜索不具有统计意义，看过一次后就不想再看，将这些内容统计后影响对用户真正关注内容的判断，导致推送内容不准确；其次，现有算法仅基于用户搜索内容进行推荐，一方面，限制了开发潜在用户的机会，另一方面，对用户推送同一类型的内容，将导致用户每天看到的信息是其想看的信息，对外部世界判断逐渐出现偏离，极度放大了用户想关心的一面，让用户看到的不是一个真实的世界，导致思想逐渐偏激甚至狭隘。

发明内容

本发明所要解决的技术问题是提供一种用于内容推荐的方法和装置，以解决现有技术中存在的缺陷。

本发明解决上述技术问题的技术方案如下：

一种用于内容推荐的装置，包括用户端和服务器端，所述用户端具有用户登录模块、用户搜索信息记录模块及显示模块，所述显示模块具有三个可相互切换的模块，分别为个性化内容显示模块、热门内容显示模块、关联用户内容显示模块；所述显示模块默认显示为热门内容显示模块；所述服务器端具有内容推送模块及用户信息数据记录模块；所述用户搜索信息记录模块用于记录用户搜索关键词及对应搜索结果的浏览时间，并建立向量表，将其上传至用户信息数据记录模块，所述用户信息数据记录模块记录一定时间内各个用户对不同内容的浏览时间并按照浏览时间所占的比例通过内容推送模块为各个用户推送时间比例靠前的内容至个性化内容显示模块；

进一步的，所述服务器端还具有用户关联度分析模块，用于将用户浏览时间所占比例前M名的内容与其他用户浏览时间所占比例前M名的内容进行交叉匹配，晒选出内容匹配度在50％以上的其他用户，并为该位用户推送所有其他用户关注的与该用户不匹配的内容，并通过内容推送模块推送至关联用户内容显示模块；

进一步的，所述服务器端还具有网络爬虫模块，用于对网络资源上内容进行抓取，并提取关键词，内容推送模块根据不同显示模块对应的关键词进行匹配并将相匹配的内容推送至显示模块；

一种用于内容推荐的方法，包括如下步骤：

1)通过用户端的用户登录模块记录用户个人信息，建立用户个人信息库；

2)建立用户搜索信息记录数据库，并将其与用户个人信息库进行关联；

3)记录用户搜索关键词及对应搜索结果的浏览时间，建立向量表，将其上传至服务器端，对一定时间内各个用户对不同内容的浏览时间进行记录，并按照浏览时间所占的比例进行由长到短进行排列，并将排序前列的M个内容推送至用户端的个性化内容显示模块；

4)通过网络爬虫对网络资源进行抓取，并推送至用户端的热门内容显示模块；

5)对服务器端收集的每个用户进行关联用户差异化内容提取并推送至用户端的关联用户内容显示模块；

进一步的，上述步骤3)、4)、5)同时执行并分别推送至用户端的相应显示模块；

进一步的，上述步骤3)中每次用户完成一次搜索和浏览即对向量表进行更新，并重新排序，按照重新排序后的结果自动刷新推送内容；

进一步的，上述步骤3)中的用户搜索关键词被分类存储在为可学习进化型关键词数据库中，首先，用户注册时，需要根据服务器端提供的关键词库选择自己感兴趣的关键词，存入用户个人信息库，用户首次登陆即根据初始关键词推送内容至个性化内容显示模块，然后对步骤3)中每次排序的M个内容所关联的键词进行提取并去重后添加到可进化型关键词数据库的关键词行列中；

进一步的，上述步骤3、)4)、5)在推送相关内容前，分别对各个步骤中的推荐内容进行标题查重和内容相似度查重，将标题相同的内容删除，将内容相似度超过设定值的内容删除，并刷新准备推送；

进一步的，将上述步骤3、)4)、5)中的三部分内容交叉进行标题查重和内容相似度查重，将标题相同的内容删除，将内容相似度超过设定值的内容删除，并刷新推送至相应显示模块；

进一步的，上述步骤5)中，将用户浏览时间所占比例前M名的内容与其他用户浏览时间所占比例前M名的内容进行交叉匹配，晒选出内容匹配度在50％以上的其他用户，并为该位用户推送所有其他用户关注的与该用户不匹配的内容，并通过内容推送模块推送至关联用户内容显示模块；

本发明的有益效果是：通过在显示模块设置三个分类显示模块，可以为用户提供更加个性化的内容推送服务，并且在进行个性化内容推送时，对简单的基于内容的推荐方法进行改进，通过统计内容及浏览时间的对应关系，可以实时计算用户对不同内容的偏好程度并据此推送内容，更加精确化，同时为了开发潜在内容用户，将具有相似爱好用户偏好的内容同时进行推送，最后还设置热门信息显示模块，可以帮助用户及时关注热点信息，并扩展视野，防止对个性化内容的沉迷。

附图说明

图1为本发明装置结构示意图；

附图标记说明如下：

1、用户端，11、用户登录模块，12、用户搜索信息记录模块，13、个性化内容显示模块，14、热门内容显示模块,15、关联用户内容显示模块,2、服务器端，21、用户信息数据记录模块，22、网络爬虫模块，23、内容推送模块，24、用户关联度分析模块，3、网络资源；

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，一种用于内容推荐的装置，包括用户端1和服务器端2，所述用户端1具有用户登录模块11、用户搜索信息记录模块12及显示模块，所述显示模块具有三个可相互切换的模块，分别为个性化内容显示模块13、热门内容显示模块14、关联用户内容显示模块15；所述显示模块默认显示为热门内容显示模块14；所述服务器端2具有内容推送模块23及用户信息数据记录模块21；所述用户搜索信息记录模块12用于记录用户搜索关键词及对应搜索结果的浏览时间，并建立向量表，将其上传至用户信息数据记录模块21，所述用户信息数据记录模块21记录一定时间内各个用户对不同内容的浏览时间并按照浏览时间所占的比例通过内容推送模块23为各个用户推送时间比例靠前的内容至个性化内容显示模块13。

作为改进的一个具体实施例，该装置的服务器端2还具有用户关联度分析模块24，用于将用户浏览时间所占比例前M名的内容与其他用户浏览时间所占比例前M名的内容进行交叉匹配，晒选出内容匹配度在50％以上的其他用户，并为该位用户推送所有其他用户关注的与该用户不匹配的内容，并通过内容推送模块23推送至关联用户内容显示模块15；该方法通过寻找与用户感兴趣的内容相同的其他用户，进而扩展其他用户感兴趣的内容并推送给该用户，这种基于同样爱好的推荐算法可以提高内容推送的准确度。

在另一个具体实施例中，还可以为该装置增加网络爬虫模块22，用于对网络资源3上内容进行抓取，并提取关键词，内容推送模块23根据不同显示模块对应的关键词进行匹配并将相匹配的内容推送至显示模块。

至此该装置通过在显示界面提供个性化内容显示模块13、热门内容显示模块14、关联用户内容显示模块15三个基于不同分类目的的模块,可以实时计算用户对不同内容的偏好程度并据此推送内容，更加精确化，同时将具有相似爱好用户偏好的内容同时进行推送,有利于扩展潜在用户，最后设置的热门信息显示模块，可以帮助用户及时关注热点信息，并扩展视野，防止对个性化内容的沉迷。

本发明还提供了一种用于内容推荐的方法，下面通过不同实施例来进行进一步的说明。

实施例一：

该方法包括如下步骤：S1、通过用户端的用户登录模块记录用户个人信息，建立用户个人信息库；S2建立用户搜索信息记录数据库，并将其与用户个人信息库进行关联；S3、记录用户搜索关键词及对应搜索结果的浏览时间，建立向量表，将其上传至服务器端，对一定时间内各个用户对不同内容的浏览时间进行记录，并按照浏览时间所占的比例进行由长到短进行排列，并将排序前列的M个内容推送至用户端的个性化内容显示模块；S4、通过网络爬虫对网络资源进行抓取，并推送至用户端的热门内容显示模块；S5、对服务器端收集的每个用户进行关联用户差异化内容提取并推送至用户端的关联用户内容显示模块；上述步骤S3、S4、S5同时执行并分别推送至用户端的相应显示模块；上述步骤S3中每次用户完成一次搜索和浏览即对向量表进行更新，并重新排序，按照重新排序后的结果自动刷新推送内容。

实施例二：

为了进一步增强内容推荐的准确性，该方法对用户搜索关键词进行实时更新、学习，可在每次搜索结束后，对用户搜索关键词库进行更新，具体实现如下：该方法包括如下步骤，S1、通过用户端的用户登录模块记录用户个人信息，建立用户个人信息库；S2建立用户搜索信息记录数据库，并将其与用户个人信息库进行关联；S3、记录用户搜索关键词及对应搜索结果的浏览时间，建立向量表，将其上传至服务器端，对一定时间内各个用户对不同内容的浏览时间进行记录，并按照浏览时间所占的比例进行由长到短进行排列，并将排序前列的M个内容推送至用户端的个性化内容显示模块；S4、通过网络爬虫对网络资源进行抓取，并推送至用户端的热门内容显示模块；S5、对服务器端收集的每个用户进行关联用户差异化内容提取并推送至用户端的关联用户内容显示模块；上述步骤S3、S4、S5同时执行并分别推送至用户端的相应显示模块；上述步骤S3中每次用户完成一次搜索和浏览即对向量表进行更新，并重新排序，按照重新排序后的结果自动刷新推送内容；上述步骤S3中的用户搜索关键词被分类存储在为可学习进化型关键词数据库中，首先，用户注册时，需要根据服务器端提供的关键词库选择自己感兴趣的关键词，存入用户个人信息库，用户首次登陆即根据初始关键词推送内容至个性化内容显示模块，然后对步骤S3中每次排序的M个内容所关联的关键词进行提取并去重后添加到可进化型关键词数据库的关键词行列中。

实施例三：

随着网络信息量的爆炸性增长，具有相似内容的信息在网络上传播，往往搜索的内容其实质相同，却分作不同的几篇内容被推送至用户，导致用户查看内容体验不佳，影响阅读体验，作为进一步改进，该方法包括如下步骤，S1、通过用户端的用户登录模块记录用户个人信息，建立用户个人信息库；S2建立用户搜索信息记录数据库，并将其与用户个人信息库进行关联；S3、记录用户搜索关键词及对应搜索结果的浏览时间，建立向量表，将其上传至服务器端，对一定时间内各个用户对不同内容的浏览时间进行记录，并按照浏览时间所占的比例进行由长到短进行排列，并将排序前列的M个内容推送至用户端的个性化内容显示模块；S4、通过网络爬虫对网络资源进行抓取，并推送至用户端的热门内容显示模块；S5、对服务器端收集的每个用户进行关联用户差异化内容提取并推送至用户端的关联用户内容显示模块；上述步骤S3、S4、S5同时执行并分别推送至用户端的相应显示模块；上述步骤S3中每次用户完成一次搜索和浏览即对向量表进行更新，并重新排序，按照重新排序后的结果自动刷新推送内容；上述步骤S3中的用户搜索关键词被分类存储在为可学习进化型关键词数据库中，首先，用户注册时，需要根据服务器端提供的关键词库选择自己感兴趣的关键词，存入用户个人信息库，用户首次登陆即根据初始关键词推送内容至个性化内容显示模块，然后对步骤S3中每次排序的M个内容所关联的关键词进行提取并去重后添加到可进化型关键词数据库的关键词行列中；将步骤S3、S4、S5中的三部分内容交叉进行标题查重和内容相似度查重，将标题相同的内容删除，将内容相似度超过设定值的内容删除，并刷新推送至相应显示模块。

基于内容的推荐方法，一方面是为用户提供精确化的内容推荐，另一方面，从某种意义上说更重要的是开发内容的潜在用户，保持用户粘性，增加内容推荐装置的用户数量不断增长，下面通过几个具体实施例来对步骤S5中提供关联用户差异化内容的方法进行描述。

实施例四：

该方法步骤其他部分与上述实施例相同，只有在步骤S5中，将用户浏览时间所占比例前M名的内容与其他用户浏览时间所占比例前M名的内容进行交叉匹配，筛选出内容匹配度在50％以上的其他用户，并为该用户推送所有其他用户关注的与该用户不匹配的内容，并通过内容推送模块推送至关联用户内容显示模块。

实施例五：

进一步的，实施例四中的S5也可采用如下方式，对服务器端收集的每个用户进行关联用户差异化内容提取并推送至用户端的关联客户内容显示模块。具体的，在服务器端获取当前用户的浏览时间所占比例前M名的内容所对应浏览时间d₀＝{d₀₁,d₀₂,...,d_0M}，以及其他第i个用户的浏览时间所占比例前M名的内容说对应的浏览时间d_i＝{d_i1,d_i2,...,d_iM}，i的取值为1到服务器端收集的用户数量-1。

如果

那么计算第i个用户和当前用户的用户相似度：

如果Di≥Δ₂，那么将第i个用户作为当前用户的关联用户。并为当前用户推送其他第i个用户关注的与该用户不匹配的内容，并通过内容推送模块推送至关联用户内容显示模块。

其中，avg()为平均值函数，max()为最大值函数，min()为最小值函数，d_0j为d₀中的第j个浏览时间，d_ij为d_i中的第j个浏览时间，Δ₁和Δ₂为可以自定义的第一阈值和第二阈值，有选的第一阈值不超过0.3，第二阈值不低于0.8。

实施例六：

进一步的，实施例四中的S5也可采用如下方式，即用户浏览时间所占比例前M名的内容所对应浏览时间列出，即表1中的第一行的(d1,1，d1,2，d1,3，d1,4，……d1,i)然后查找其他用户浏览内容与该用户浏览时间所占比例前M名的内容相同的项，并列出每项所浏览的时间，即(dj,1，dj,2，dj,3，dj,4，……dj,i)其中j＝(2,3,4,5,6……N)，然后根据公式一计算每个其他用户与该用户浏览时间的差值之和Dj，差值越小说明两个用户之间相似度越高。

表1

计算完成后，对得到的Dj数据进行排序，选取前列的相似度高的其他用户关注的内容，并对上述内容按照浏览时间进行排序，将前M名的内容通过内容推送模块推送至关联用户内容显示模块。

如在具体实施时，可根据表1的数据计算出前四个其他用户与该用户浏览时间前6名内容时，该用户与其他用户之间的相似度值集合为Dj＝(16.5,18,15.5,11.5)，经排序后得到相似度由高到低的其他用户分别为D4、D3、D1、D2，在此选取前两名其他用户作为关联用户，将该关联用户关注内容按照浏览时间排序后，选取前M名通过内容推送模块推送至关联用户内容显示模块。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种用于内容推荐的装置，其特征在于：包括用户端和服务器端，所述用户端具有用户登录模块、用户搜索信息记录模块及显示模块，所述显示模块具有三个可相互切换的模块，分别为个性化内容显示模块、热门内容显示模块、关联用户内容显示模块；所述显示模块默认显示为热门内容显示模块；所述服务器端具有内容推送模块及用户信息数据记录模块；所述用户搜索信息记录模块用于记录用户搜索关键词及对应搜索结果的浏览时间，并建立向量表，将其上传至用户信息数据记录模块，所述用户信息数据记录模块记录一定时间内各个用户对不同内容的浏览时间并按照浏览时间所占的比例通过内容推送模块为各个用户推送时间比例靠前的内容至个性化内容显示模块。

2.根据权利要求1所述的用于内容推荐的装置，其特征在于：所述服务器端还具有用户关联度分析模块，用于将用户浏览时间所占比例前M名的内容与其他用户浏览时间所占比例前M名的内容进行交叉匹配，晒选出内容匹配度在50％以上的其他用户，并为该位用户推送所有其他用户关注的与该用户不匹配的内容，并通过内容推送模块推送至关联用户内容显示模块。

3.一种使用权利要求1的内容推荐装置的内容推荐方法，其特征在于,包括如下步骤：

1)通过用户端的用户登录模块记录用户个人信息，建立用户个人信息库；

2)建立用户搜索信息记录数据库，并将其与用户个人信息库进行关联；

3)记录用户搜索关键词及对应搜索结果的浏览时间，建立向量表，将其上传至服务器端，对一定时间内各个用户对不同内容的浏览时间进行记录，并按照浏览时间所占的比例进行由长到短进行排列，并将排序前列的M个内容推送至用户端的个性化内容显示模块；

4)通过网络爬虫对网络资源进行抓取，并推送至用户端的热门内容显示模块；

5)对服务器端收集的每个用户进行关联用户差异化内容提取并推送至用户端的关联用户内容显示模块。

4.根据权利要求3所述的内容推荐方法，其特征在于：上述步骤3)中每次用户完成一次搜索和浏览即对向量表进行更新，并重新排序，按照重新排序后的结果自动刷新推送内容。

5.根据权利要求4所述的内容推荐方法，其特征在于：上述步骤3)中的用户搜索关键词被分类存储在为可学习进化型关键词数据库中，首先，用户注册时，需要根据服务器端提供的关键词库选择自己感兴趣的关键词，存入用户个人信息库，用户首次登陆即根据初始关键词推送内容至个性化内容显示模块，然后对步骤3)中每次排序的M个内容所关联的键词进行提取并去重后添加到可进化型关键词数据库的关键词行列中。

6.根据权利要求5所述的内容推荐方法，其特征在于：上述步骤3、)4)、5)在推送相关内容前，分别对各个步骤中的推荐内容进行标题查重和内容相似度查重，将标题相同的内容删除，将内容相似度超过设定值的内容删除，并刷新准备推送。

7.根据权利要求6所述的内容推荐方法，其特征在于：将上述步骤3、)4)、5)中的三部分内容交叉进行标题查重和内容相似度查重，将标题相同的内容删除，将内容相似度超过设定值的内容删除，并刷新推送至相应显示模块。

8.根据权利要求7所述的内容推荐方法，其特征在于：上述步骤5)中，在服务器端获取当前用户的浏览时间所占比例前M名的内容所对应浏览时间d₀＝{d₀₁,d₀₂,...,d_0M}，以及其他第i个用户的浏览时间所占比例前M名的内容说对应的浏览时间d_i＝{d_i1,d_i2,...,d_iM}；

如果

那么计算第i个用户和当前用户的用户相似度：

如果Di≥Δ₂，那么将第i个用户作为当前用户的关联用户；

其中，avg()为平均值函数，max()为最大值函数，min()为最小值函数，d_0j为d₀中的第j个浏览时间，d_ij为d_i中的第j个浏览时间，Δ₁和Δ₂为可以自定义的第一阈值和第二阈值。

9.根据权利要求7所述的内容推荐方法，其特征在于：上述步骤5)中，将用户浏览时间所占比例前M名的内容所对应浏览时间列出，然后查找其他用户浏览内容与该用户浏览时间所占比例前M名的内容相同的项，并列出每项所浏览的时间，计算每个其他用户与该用户浏览时间的差值之和，差值之和越小说明两个用户之间相似度越高；对得到的差值之和进行排序，选取前列的相似度高的其他用户关注的内容，并对上述内容按照浏览时间进行排序，将前M名的内容通过内容推送模块推送至关联用户内容显示模块。