CN111339434A - 信息推荐方法、装置、电子设备及计算机存储介质 - Google Patents

信息推荐方法、装置、电子设备及计算机存储介质 Download PDF

Info

Publication number
CN111339434A
CN111339434A CN201811467369.8A CN201811467369A CN111339434A CN 111339434 A CN111339434 A CN 111339434A CN 201811467369 A CN201811467369 A CN 201811467369A CN 111339434 A CN111339434 A CN 111339434A
Authority
CN
China
Prior art keywords
information
target object
candidate
target
time
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
Application number
CN201811467369.8A
Other languages
English (en)
Other versions
CN111339434B (zh
Inventor
潘岸腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201811467369.8A priority Critical patent/CN111339434B/zh
Publication of CN111339434A publication Critical patent/CN111339434A/zh
Application granted granted Critical
Publication of CN111339434B publication Critical patent/CN111339434B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • G06F16/9538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Abstract

本发明实施例提供了一种信息推荐方法、装置、电子设备及计算机存储介质，其中，所述信息推荐方法包括：获取目标用户的至少一个目标对象的信息，其中，每个所述目标对象的信息根据所述目标用户对当前目标对象进行的设定操作的操作时间确定；根据所述至少一个目标对象的信息，对多个候选对象进行协同过滤分析；根据分析结果对所述多个候选对象进行排序，根据排序结果向所述目标用户推荐所述多个候选对象中的部分或全部对象的信息。通过本发明实施例，实现了准确地向用户推荐感兴趣的信息的效果。

Description

信息推荐方法、装置、电子设备及计算机存储介质
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种信息推荐方法、装置、电子设备及计算机存储介质。
背景技术
随着网络的迅速发展带来了网上信息量的大幅增长，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，造成对信息的使用效率反而降低。为此，推荐系统应运而生。
推荐系统是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。其通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。但在实际应用中，可能因算法、推荐参照因素等多种原因，导致推荐系统推荐的信息不够准确，不是用户真正感兴趣的信息。
因此，如何能准确地向用户推荐感兴趣的信息成为亟待解决的问题。
发明内容
有鉴于此，本发明实施例提供一种信息推荐方案，以向用户更为准确地推荐其感兴趣的信息。
根据本发明实施例的第一方面，提供了一种信息推荐方法，包括：获取目标用户的至少一个目标对象的信息，其中，每个所述目标对象的信息根据所述目标用户对当前目标对象进行的设定操作的操作时间确定；根据所述至少一个目标对象的信息，对多个候选对象进行协同过滤分析；根据分析结果对所述多个候选对象进行排序，根据排序结果向所述目标用户推荐所述多个候选对象中的部分或全部对象的信息。
根据本发明实施例的第二方面，提供了一种信息推荐装置，包括：获取模块，用于获取目标用户的至少一个目标对象的信息，其中，每个所述目标对象的信息根据所述目标用户对当前目标对象进行的设定操作的操作时间确定；分析模块，用于根据所述至少一个目标对象的信息，对多个候选对象进行协同过滤分析；推荐模块，用于根据分析结果对所述多个候选对象进行排序，根据排序结果向所述目标用户推荐所述多个候选对象中的部分或全部对象的信息。
根据本发明实施例的第三方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如第一方面所述的信息推荐方法对应的操作。
根据本发明实施例的第四方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的信息推荐方法。
根据本发明实施例提供的信息推荐方案，在进行信息推荐时，充分考虑了时间因素，即推荐参考的目标对象的信息是根据目标用户对目标对象进行设定操作的操作时间确定的，操作时间离当前时间越近，与该目标对象关联的候选对象可能被目标用户感兴趣的程度越高；反之，若操作时间离当前时间越远，则表明目标用户已对该目标对象的兴趣程度大大下降，与该目标对象关联的那些候选对象可能被目标用户感兴趣的程度也越低。据此，在根据目标对象对候选对象进行协同过滤，以确定推荐对象的过程中，充分考虑了时间因素与用户兴趣的关联，从而实现了准确地向用户推荐感兴趣的信息的效果。
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实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例一的一种信息推荐方法的步骤流程图；
图2为根据本发明实施例二的一种信息推荐方法的步骤流程图；
图3为根据本发明实施例三的一种信息推荐装置的结构框图；
图4为根据本发明实施例四的一种信息推荐装置的结构框图；
图5为根据本发明实施例五的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本发明实施例中的技术方案，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，所描述的实施例仅是本发明实施例一部分实施例，而不是全部的实施例。基于本发明实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本发明实施例保护的范围。
下面结合本发明实施例附图进一步说明本发明实施例具体实现。
实施例一
参照图1，示出了根据本发明实施例一的一种信息推荐方法的步骤流程图。
本实施例的信息推荐方法包括以下步骤：
步骤S102：获取目标用户的至少一个目标对象的信息。
其中，每个目标对象的信息根据目标用户对当前目标对象进行的设定操作的操作时间确定。
目标对象可以根据实际推荐需求的不同而不同，例如，在购物类应用中，目标对象可以是目标用户往期购买过的物品；在电子书类应用中，目标对象可以是目标用户往期阅读过的电子书；在新闻类或信息类应用中，目标对象可以是目标用户往期浏览过的新闻或信息，等等。
此外，当目标对象不同时，对应的所述设定操作也不同，如前述当目标对象为物品时，设定操作可以是购买操作；当目标对象为电子书时，设定操作可以是阅读操作；当目标对象为新闻或信息时，设定操作为浏览操作。
本领域技术人员应当明了的是，上述对目标对象和设定操作的说明仅为示例性说明，在实际应用中，目标对象和对应的设定操作可以根据实际需求适当设置，本发明实施例对此不作限制。
一般来说，设定操作的操作时间距离当前时间越近，则表明用户越感兴趣；反之，设定操作的操作时间距离当前时间越远，则表明用户对其兴趣已大大降低。基于此，本发明实施例中，目标对象的信息根据对其进行设定操作的操作时间的信息确定，例如，可以采用适当的时间衰减系数对所述操作时间进行处理，以表征用户对该目标对象可能感兴趣的程度。
步骤S104：根据至少一个目标对象的信息，对多个候选对象进行协同过滤分析。
在已有目标对象的情况下，可以根据这些目标对象的信息，从其它对象即候选对象中筛选出与目标对象相关度或相似度高的对象，以向目标用户推荐。
本发明实施例中，采用协同过滤分析的方式，从多个候选对象中确定出可被推荐的对象。协同过滤利用兴趣相投、拥有共同经验之群体的喜好来推荐某用户感兴趣的信息，可以通过协同过滤算法(如，基于余弦定理相似性度量的协同过滤算法、基于欧氏距离相似度度量协同过滤算法、基于杰卡德相似性度量协同过滤算法)实现对多个候选对象的过滤筛选。
步骤S106：根据分析结果对多个候选对象进行排序，根据排序结果向目标用户推荐多个候选对象中的部分或全部对象的信息。
通过协同过滤分析，可以得到多个候选对象的排序结果，例如，按照得分从高到低排序，进一步地，基于排序结果选择推荐对象。可以按照从高到低的排序顺序，选择设定数量的对象作为推荐对象，当然，也可以按照从高到低的排序顺序，将全部候选对象均作为推荐对象。进而，将推荐对象的信息发送给目标用户。
根据本实施例，在进行信息推荐时，充分考虑了时间因素，即推荐参考的目标对象的信息是根据目标用户对目标对象进行设定操作的操作时间确定的，操作时间离当前时间越近，与该目标对象关联的候选对象可能被目标用户感兴趣的程度越高；反之，若操作时间离当前时间越远，则表明目标用户已对该目标对象的兴趣程度大大下降，与该目标对象关联的那些候选对象可能被目标用户感兴趣的程度也越低。据此，在根据目标对象对候选对象进行协同过滤，以确定推荐对象的过程中，充分考虑了时间因素与用户兴趣的关联，从而实现了准确地向用户推荐感兴趣的信息的效果。
本实施例的信息推荐方法可以由任意适当的具有数据处理能力的电子设备执行，包括但不限于：服务器、移动终端(如平板电脑、手机等)和PC机等。
实施例二
参照图2，示出了根据本发明实施例二的一种信息推荐方法的步骤流程图。
本实施例的信息推荐方法包括以下步骤：
步骤S202：生成目标用户的目标对象的信息。
目标用户操作过的目标对象可能有一个或多个(两个及两个以上)，如，用户A可能购买过商品1、2、3、4和5等，或者，用户B阅读过电子书X、Y、Z等。在一种可行方式中，针对每个目标对象的信息，可以获取目标用户对当前目标对象进行设定操作的操作时间与当前时间的时间间隔；根据所述时间间隔与设定的第一时间衰减系数，生成当前目标对象的信息。
其中，如实施例一中所述，设定操作根据目标对象的不同而不同，在实际应用中，目标对象及其对应的设定操作可以由本领域技术人员根据实际需求设定，本发明实施例对此不作限制。第一时间衰减系数也可由本领域技术人员根据实际需求适当设置，通过第一时间衰减系数，使所述时间间隔越长的目标对象在所有目标对象中占比因素越小即可。
例如，以商品购买行为为例，给定一个目标用户u，设该目标用户u的历史购买商品记录的向量为historyu＝(...，hu，i，...)，i∈I。其中，I表示所有商品的集合。其中，
Figure BDA0001890154250000061
需要说明的是，上例中，以α设定为1为例，但本领域技术人员应当明了的是，在实际应用中，α的取值范围为0-1，具体取值可以根据实际需求适当设定，本发明实施例对此不作限制。
上例中，假设目标用户u分别于十天前、五天前和一天前购买了商品1、2和3，α设定为1，I设定为商品1-10，则：
Figure BDA0001890154250000062
目标对象的信息生成后，可在后续长期使用。此外，本步骤可以为可选步骤，在实际应用中，也可以通过第三方获取目标用户的目标对象的信息，无需自行生成。
步骤S204：获取目标用户的至少一个目标对象的信息。
其中，如前所述，每个目标对象的信息根据目标用户对当前目标对象进行的设定操作的操作时间确定。
在进行信息推荐时，可以根据目标用户历史操作过的部分或全部目标对象进行推荐。一般来说，可以根据全部目标对象进行推荐，但在某些情况下，如某些目标对象的历史操作时间过于久远，如多年以前，此种情况下，可以设定一个时间界限，仅根据满足时间要求的目标对象进行推荐。
步骤S206：根据目标用户的至少一个目标对象的信息，对多个候选对象进行协同过滤分析。
协同过滤分析是进行目标推荐的有效途径，在一种可行方式中，可以根据目标用户的至少一个目标对象的信息，以及，多个候选对象中的每个候选对象与每个目标对象的相关系数，对多个候选对象进行协同过滤分析。
其中，所述相关系数可以通过以下方式确定：获取设定的多个用户针对每个所述目标对象和每个所述候选对象进行所述设定操作的信息；根据每个所述目标对象对应的所述设定操作的信息，和，每个所述候选对象对应的所述设定操作的信息，确定每个所述目标对象和每个所述候选对象之间的相关系数。其中的所述多个用户可以包括所述目标用户，也可以不包括所述目标用户。通过这种方式，可以有效确定目标对象和候选对象之间的相关度或相似度。
例如，针对目标对象1和和候选对象2，考察用户A、B、C、D和E五个用户分别对它们的设定操作，设定用户A、B、C对目标对象1进行过设定操作(如购买操作)，用户B、C、D和E对候选对象2进行过设定操作。基于此，可以采用适当的计算相关度的算法或计算相似度的算法，确定目标对象1和和候选对象2之间的相关系数。
可选地，可以根据杰卡德(Jaccard)公式，确定每个所述目标对象和每个所述候选对象之间的相关系数。
其中，通过Jaccard公式获得的相关系数也称为Jaccard系数，其可以用来比较有限样本集之间的相似性与差异性。Jaccard系数的值越大，样本相似度越高。Jaccard系数具有偏向热门对象的性质，因此，通过Jaccard系数可以更为有效地进行对象推荐，打压冷门对象。
Jaccard系数的定义如下：给定两个集合A和B，Jaccard系数J(A，B)定义为A与B交集的大小与A与B并集的大小的比值，即：
Figure BDA0001890154250000071
当集合A，B都为空时，J(A，B)定义为1。
在获得所述相关系数的过程中，每个所述目标对象对应的所述设定操作的信息根据所述多个用户对当前目标对象进行的所述设定操作的第一操作时间确定；每个所述候选对象对应的所述设定操作的信息根据所述多个用户对当前候选对象进行的所述设定操作的第二操作时间确定。由此，将操作时间因素考虑进行目标推荐的过程中，以进行更为准确、效果更好的推荐。
可选地，每个所述目标对象对应的所述设定操作的信息根据所述第一操作时间与当前时间的时间间隔，以及，设定的第二时间衰减系数确定；每个所述候选对象对应的所述设定操作的信息根据所述第二操作时间与当前时间的时间间隔，以及，所述设定的第二时间衰减系数确定。
需要说明的是，所述第二时间衰减系数可以与前述第一时间衰减系数相同，也可以不同，具体的系数数值由本领域技术人员根据实际需求适当设定。
基于此，在根据Jaccard公式来确定每个目标对象和每个候选对象之间的相关系数时，可以将第一时间衰减系数和第二时间衰减系数均设置为1，在以天数为时间单位时，若第一操作时间与当前时间的时间间隔为1天，第二操作时间与当前时间的时间间隔也为1天，则在此情况下，可以实现根据Jaccard公式来确定每个目标对象和每个候选对象之间的相关系数。具体的一个示例如下说明。
仍以商品购买行为为例，针对目标用户u已购买过的商品i(目标对象)，对候选对象商品j进行协同过滤分析可以采用：
Figure BDA0001890154250000081
其中，rec(u，j)表示候选对象商品j针对目标用户u的协同过滤得分；hu，i如公式一中所述，针对目标用户u，
Figure BDA0001890154250000082
可以根据historyu＝(...，hu，i，...)获得；i∈I，I表示所有商品的集合，n表示所有商品的数量(即I集合的元素数量)；sim(i，j)表示商品i和商品j的相关系数。
根据公式三，针对每个候选对象，都计算其与目标用户的每个目标对象的协同过滤得分，最终可获得所有候选对象与目标用户操作过的目标对象的协同过滤得分。通过这种方式，一方面充分考虑了时间因素对候选对象的影响；另一方面，每个候选对象会与目标用户的所有目标对象进行相关度计算，因此该候选对象对目标用户的整体兴趣的相关程度也被充分考虑。据此，可以获得针对某个目标用户的更为有效的推荐结果。
其中，
Figure BDA0001890154250000091
公式四中，E是维度为|U|、不同维度取值全为1的向量，其中U表示全部用户集合；A＝min(buyersi，buyersj)，其定义如下：
Figure BDA0001890154250000092
记buyersi表示所有用户购买商品i的向量，记为buyersi＝(...，bu，i，...)，u∈U，其中U表示全部用户集合，bu，i表示用户u对商品i的得分，定义如下：
Figure BDA0001890154250000093
例如，有50个用户，则该50个用户购买商品i的向量buyersi共有50个元素(b1，i，b2，i，...，bn，i，...b50，i，)，根据公式六，每个元素的值可能为0，也可能非0。
上述公式四中，针对buyersi和buyersj，当非0元素的取值均为1时，即αt＝1时，公式四就成为向量情况下的杰卡德公式
Figure BDA0001890154250000094
其表示的含义是：在购买了商品i或者商品j的用户中(不作去重)，同时购买i和j的用户占比。由于公式四中考虑了向量本身的长度，因此与传统协同过滤算法的余弦相关性计算只考虑向量的夹角大小相比，本实施例的信息推荐处理可以实现对冷门的商品进行打压。
通过上述公式三，即可获得所有商品与用户已购买过的商品的相关性得分。可选地，在不考虑已购买过的商品的情况下，可获得针对目标用户的、所有未购买过的商品与已购买过的商品的相关性得分。
步骤S208：根据分析结果对多个候选对象进行排序，根据排序结果向目标用户推荐多个候选对象中的部分或全部对象的信息。
在获得了所有候选对象与目标对象的协同过滤相关性得分后，可以按照得分从高到低对多个候选对象进行排序，进而按照设定规则将多个候选对象中的部分对象或全部对象推荐给目标用户。如，将排序靠前的设定数量的候选对象推荐给用户，如将TOP10推荐给用户，等等。
例如，全库共有100个商品，目标用户u买过2个商品1和2，通过步骤S206可以算出每个购买过的商品(商品1、商品2)与全库中没有购买过的商品的得分，取得分最高的10个商品作为推荐给目标用户u的商品，展示这10个商品的信息。
根据本实施例，在进行信息推荐时，充分考虑了时间因素，即推荐参考的目标对象的信息是根据目标用户对目标对象进行设定操作的操作时间确定的，操作时间离当前时间越近，与该目标对象关联的候选对象可能被目标用户感兴趣的程度越高；反之，若操作时间离当前时间越远，则表明目标用户已对该目标对象的兴趣程度大大下降，与该目标对象关联的那些候选对象可能被目标用户感兴趣的程度也越低。据此，在根据目标对象对候选对象进行协同过滤，以确定推荐对象的过程中，充分考虑了时间因素与用户兴趣的关联，从而实现了准确地向用户推荐感兴趣的信息的效果。
本实施例的信息推荐方法可以由任意适当的具有数据处理能力的电子设备执行，包括但不限于：服务器、移动终端(如平板电脑、手机等)和PC机等。
实施例三
参照图3，示出了根据本发明实施例三的一种信息推荐装置的结构框图。
本实施例的信息推荐装置包括：获取模块302，用于获取目标用户的至少一个目标对象的信息，其中，每个目标对象的信息根据目标用户对当前目标对象进行的设定操作的操作时间确定；分析模块304，用于根据所述至少一个目标对象的信息，对多个候选对象进行协同过滤分析；推荐模块306，用于根据分析结果对多个候选对象进行排序，根据排序结果向目标用户推荐多个候选对象中的部分或全部对象的信息。
根据本实施例，在进行信息推荐时，充分考虑了时间因素，即推荐参考的目标对象的信息是根据目标用户对目标对象进行设定操作的操作时间确定的，操作时间离当前时间越近，与该目标对象关联的候选对象可能被目标用户感兴趣的程度越高；反之，若操作时间离当前时间越远，则表明目标用户已对该目标对象的兴趣程度大大下降，与该目标对象关联的那些候选对象可能被目标用户感兴趣的程度也越低。据此，在根据目标对象对候选对象进行协同过滤，以确定推荐对象的过程中，充分考虑了时间因素与用户兴趣的关联，从而实现了准确地向用户推荐感兴趣的信息的效果。
实施例四
参照图4，示出了根据本发明实施例四的一种信息推荐装置的结构框图。
本实施例的信息推荐装置包括：获取模块402，用于获取目标用户的至少一个目标对象的信息，其中，每个目标对象的信息根据目标用户对当前目标对象进行的设定操作的操作时间确定；分析模块404，用于根据所述至少一个目标对象的信息，对多个候选对象进行协同过滤分析；推荐模块406，用于根据分析结果对多个候选对象进行排序，根据排序结果向目标用户推荐多个候选对象中的部分或全部对象的信息。
可选地，本实施例的信息推荐装置还包括：生成模块408，用于在获取模块402获取目标用户的至少一个目标对象的信息之前，针对每个目标对象的信息，获取目标用户对当前目标对象进行所述设定操作的操作时间与当前时间的时间间隔；根据所述时间间隔与设定的第一时间衰减系数，生成当前目标对象的信息。
可选地，分析模块404，用于根据所述至少一个目标对象的信息，以及，所述多个候选对象中的每个候选对象与每个目标对象的相关系数，对所述多个候选对象进行协同过滤分析。
可选地，分析模块404通过以下方式确定相关系数：获取设定的多个用户针对每个所述目标对象和每个所述候选对象进行所述设定操作的信息；根据每个所述目标对象对应的所述设定操作的信息，和，每个所述候选对象对应的所述设定操作的信息，确定每个所述目标对象和每个所述候选对象之间的相关系数。
可选地，分析模块404在确定每个所述目标对象和每个所述候选对象之间的相关系数时，根据杰卡德公式，确定每个所述目标对象和每个所述候选对象之间的相关系数。
可选地，每个所述目标对象对应的所述设定操作的信息根据所述多个用户对当前目标对象进行的所述设定操作的第一操作时间确定；每个所述候选对象对应的所述设定操作的信息根据所述多个用户对当前候选对象进行的所述设定操作的第二操作时间确定。
可选地，每个所述目标对象对应的所述设定操作的信息根据所述第一操作时间与当前时间的时间间隔，以及，设定的第二时间衰减系数确定；每个所述候选对象对应的所述设定操作的信息根据所述第二操作时间与当前时间的时间间隔，以及，所述设定的第二时间衰减系数确定。
本实施例的信息推荐装置用于实现前述多个方法实施例中相应的信息推荐方法，并具有相应的方法实施例的有益效果，在此不再赘述。
实施例五
参照图5，示出了根据本发明实施例五的一种电子设备的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。
如图5所示，该电子设备可以包括：处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、以及通信总线508。
其中：
处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504，用于与其它电子设备如终端设备或服务器进行通信。
处理器502，用于执行程序510，具体可以执行上述信息推荐方法实施例中的相关步骤。
具体地，程序510可以包括程序代码，该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器506，用于存放程序510。存储器506可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作：获取目标用户的至少一个目标对象的信息，其中，每个所述目标对象的信息根据所述目标用户对当前目标对象进行的设定操作的操作时间确定；根据所述至少一个目标对象的信息，对多个候选对象进行协同过滤分析；根据分析结果对所述多个候选对象进行排序，根据排序结果向所述目标用户推荐所述多个候选对象中的部分或全部对象的信息。
在一种可选的实施方式中，程序510还用于使得处理器502在获取目标用户的至少一个目标对象的信息之前，针对每个所述目标对象的信息，获取所述目标用户对当前目标对象进行所述设定操作的操作时间与当前时间的时间间隔；根据所述时间间隔与设定的第一时间衰减系数，生成当前目标对象的信息。
在一种可选的实施方式中，程序510还用于使得处理器502在根据所述至少一个目标对象的信息，对多个候选对象进行协同过滤分析时，根据所述至少一个目标对象的信息，以及，所述多个候选对象中的每个候选对象与每个目标对象的相关系数，对所述多个候选对象进行协同过滤分析。
在一种可选的实施方式中，程序510还用于使得处理器502通过以下方式确定所述相关系数：获取设定的多个用户针对每个所述目标对象和每个所述候选对象进行所述设定操作的信息；根据每个所述目标对象对应的所述设定操作的信息，和，每个所述候选对象对应的所述设定操作的信息，确定每个所述目标对象和每个所述候选对象之间的相关系数。
在一种可选的实施方式中，程序510还用于使得处理器502在确定每个所述目标对象和每个所述候选对象之间的相关系数时，根据杰卡德公式，确定每个所述目标对象和每个所述候选对象之间的相关系数。
在一种可选的实施方式中，每个所述目标对象对应的所述设定操作的信息根据所述多个用户对当前目标对象进行的所述设定操作的第一操作时间确定；每个所述候选对象对应的所述设定操作的信息根据所述多个用户对当前候选对象进行的所述设定操作的第二操作时间确定。
在一种可选的实施方式中，每个所述目标对象对应的所述设定操作的信息根据所述第一操作时间与当前时间的时间间隔，以及，设定的第二时间衰减系数确定；每个所述候选对象对应的所述设定操作的信息根据所述第二操作时间与当前时间的时间间隔，以及，所述设定的第二时间衰减系数确定。
程序510中各步骤的具体实现可以参见上述信息推荐方法实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
通过本实施例的电子设备，在进行信息推荐时，充分考虑了时间因素，即推荐参考的目标对象的信息是根据目标用户对目标对象进行设定操作的操作时间确定的，操作时间离当前时间越近，与该目标对象关联的候选对象可能被目标用户感兴趣的程度越高；反之，若操作时间离当前时间越远，则表明目标用户已对该目标对象的兴趣程度大大下降，与该目标对象关联的那些候选对象可能被目标用户感兴趣的程度也越低。据此，在根据目标对象对候选对象进行协同过滤，以确定推荐对象的过程中，充分考虑了时间因素与用户兴趣的关联，从而实现了准确地向用户推荐感兴趣的信息的效果。
需要指出，根据实施的需要，可将本发明实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本发明实施例的目的。
上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的信息推荐方法。此外，当通用计算机访问用于实现在此示出的信息推荐方法的代码时，代码的执行将通用计算机转换为用于执行在此示出的信息推荐方法的专用计算机。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明实施例的范围。
以上实施方式仅用于说明本发明实施例，而并非对本发明实施例的限制，有关技术领域的普通技术人员，在不脱离本发明实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明实施例的范畴，本发明实施例的专利保护范围应由权利要求限定。

Claims (16)

1.一种信息推荐方法，包括：
获取目标用户的至少一个目标对象的信息，其中，每个所述目标对象的信息根据所述目标用户对当前目标对象进行的设定操作的操作时间确定；
根据所述至少一个目标对象的信息，对多个候选对象进行协同过滤分析；
根据分析结果对所述多个候选对象进行排序，根据排序结果向所述目标用户推荐所述多个候选对象中的部分或全部对象的信息。
2.根据权利要求1所述的方法，其中，在所述获取目标用户的至少一个目标对象的信息之前，所述方法还包括：
针对每个所述目标对象的信息，获取所述目标用户对当前目标对象进行所述设定操作的操作时间与当前时间的时间间隔；
根据所述时间间隔与设定的第一时间衰减系数，生成当前目标对象的信息。
3.根据权利要求1或2所述的方法，其中，所述根据所述至少一个目标对象的信息，对多个候选对象进行协同过滤分析，包括：
根据所述至少一个目标对象的信息，以及，所述多个候选对象中的每个候选对象与每个目标对象的相关系数，对所述多个候选对象进行协同过滤分析。
4.根据权利要求3所述的方法，其中，所述相关系数通过以下方式确定：
获取设定的多个用户针对每个所述目标对象和每个所述候选对象进行所述设定操作的信息；
根据每个所述目标对象对应的所述设定操作的信息，和，每个所述候选对象对应的所述设定操作的信息，确定每个所述目标对象和每个所述候选对象之间的相关系数。
5.根据权利要求4所述的方法，其中，所述确定每个所述目标对象和每个所述候选对象之间的相关系数，包括：
根据杰卡德公式，确定每个所述目标对象和每个所述候选对象之间的相关系数。
6.根据权利要求5所述的方法，其中，
每个所述目标对象对应的所述设定操作的信息根据所述多个用户对当前目标对象进行的所述设定操作的第一操作时间确定；
每个所述候选对象对应的所述设定操作的信息根据所述多个用户对当前候选对象进行的所述设定操作的第二操作时间确定。
7.根据权利要求6所述的方法，其中，
每个所述目标对象对应的所述设定操作的信息根据所述第一操作时间与当前时间的时间间隔，以及，设定的第二时间衰减系数确定；
每个所述候选对象对应的所述设定操作的信息根据所述第二操作时间与当前时间的时间间隔，以及，所述设定的第二时间衰减系数确定。
8.一种信息推荐装置，包括：
获取模块，用于获取目标用户的至少一个目标对象的信息，其中，每个所述目标对象的信息根据所述目标用户对当前目标对象进行的设定操作的操作时间确定；
分析模块，用于根据所述至少一个目标对象的信息，对多个候选对象进行协同过滤分析；
推荐模块，用于根据分析结果对所述多个候选对象进行排序，根据排序结果向所述目标用户推荐所述多个候选对象中的部分或全部对象的信息。
9.根据权利要求8所述的装置，其中，所述装置还包括：
生成模块，用于在所述获取模块获取目标用户的至少一个目标对象的信息之前，针对每个所述目标对象的信息，获取所述目标用户对当前目标对象进行所述设定操作的操作时间与当前时间的时间间隔；根据所述时间间隔与设定的第一时间衰减系数，生成当前目标对象的信息。
10.根据权利要求8或9所述的装置，其中，所述分析模块，用于根据所述至少一个目标对象的信息，以及，所述多个候选对象中的每个候选对象与每个目标对象的相关系数，对所述多个候选对象进行协同过滤分析。
11.根据权利要求10所述的装置，其中，所述分析模块通过以下方式确定相关系数：
获取设定的多个用户针对每个所述目标对象和每个所述候选对象进行所述设定操作的信息；
根据每个所述目标对象对应的所述设定操作的信息，和，每个所述候选对象对应的所述设定操作的信息，确定每个所述目标对象和每个所述候选对象之间的相关系数。
12.根据权利要求11所述的装置，其中，所述分析模块在确定每个所述目标对象和每个所述候选对象之间的相关系数时，根据杰卡德公式，确定每个所述目标对象和每个所述候选对象之间的相关系数。
13.根据权利要求12所述的装置，其中，
每个所述目标对象对应的所述设定操作的信息根据所述多个用户对当前目标对象进行的所述设定操作的第一操作时间确定；
每个所述候选对象对应的所述设定操作的信息根据所述多个用户对当前候选对象进行的所述设定操作的第二操作时间确定。
14.根据权利要求13所述的装置，其中，
每个所述目标对象对应的所述设定操作的信息根据所述第一操作时间与当前时间的时间间隔，以及，设定的第二时间衰减系数确定；
每个所述候选对象对应的所述设定操作的信息根据所述第二操作时间与当前时间的时间间隔，以及，所述设定的第二时间衰减系数确定。
15.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的信息推荐方法对应的操作。
16.一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-7中任一所述的信息推荐方法。
CN201811467369.8A 2018-12-03 2018-12-03 信息推荐方法、装置、电子设备及计算机存储介质 Active CN111339434B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811467369.8A CN111339434B (zh) 2018-12-03 2018-12-03 信息推荐方法、装置、电子设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811467369.8A CN111339434B (zh) 2018-12-03 2018-12-03 信息推荐方法、装置、电子设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN111339434A true CN111339434A (zh) 2020-06-26
CN111339434B CN111339434B (zh) 2023-04-28

Family

ID=71181322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811467369.8A Active CN111339434B (zh) 2018-12-03 2018-12-03 信息推荐方法、装置、电子设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN111339434B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035736A (zh) * 2020-07-31 2020-12-04 北京达佳互联信息技术有限公司 信息推送方法、装置及服务器

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100217730A1 (en) * 2009-02-24 2010-08-26 Nec (China) Co., Ltd. Temporally-controlled item recommendation method and system based on rating prediction
CN103995839A (zh) * 2014-04-30 2014-08-20 兴天通讯技术（天津）有限公司 基于协同过滤的商品推荐优化方法和系统
CN104216884A (zh) * 2013-05-29 2014-12-17 酷盛(天津）科技有限公司 一种基于时间衰减的协同过滤系统及方法
CN104281956A (zh) * 2014-10-27 2015-01-14 南京信息工程大学 基于时间信息的适应用户兴趣变化的动态推荐方法
WO2015101546A1 (en) * 2013-12-30 2015-07-09 Koninklijke Philips N.V. System and method for recommending target locations
CN106610970A (zh) * 2015-10-21 2017-05-03 上海文广互动电视有限公司 基于协同过滤的内容推荐系统与方法
CN106682152A (zh) * 2016-12-23 2017-05-17 西安电子科技大学 一种个性化消息推荐方法
CN107729542A (zh) * 2017-10-31 2018-02-23 咪咕音乐有限公司 一种信息评分方法及装置和存储介质
CN108667877A (zh) * 2017-03-31 2018-10-16 腾讯科技（深圳）有限公司 确定推荐信息的方法及装置、计算机设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100217730A1 (en) * 2009-02-24 2010-08-26 Nec (China) Co., Ltd. Temporally-controlled item recommendation method and system based on rating prediction
CN104216884A (zh) * 2013-05-29 2014-12-17 酷盛(天津）科技有限公司 一种基于时间衰减的协同过滤系统及方法
WO2015101546A1 (en) * 2013-12-30 2015-07-09 Koninklijke Philips N.V. System and method for recommending target locations
CN103995839A (zh) * 2014-04-30 2014-08-20 兴天通讯技术（天津）有限公司 基于协同过滤的商品推荐优化方法和系统
CN104281956A (zh) * 2014-10-27 2015-01-14 南京信息工程大学 基于时间信息的适应用户兴趣变化的动态推荐方法
CN106610970A (zh) * 2015-10-21 2017-05-03 上海文广互动电视有限公司 基于协同过滤的内容推荐系统与方法
CN106682152A (zh) * 2016-12-23 2017-05-17 西安电子科技大学 一种个性化消息推荐方法
CN108667877A (zh) * 2017-03-31 2018-10-16 腾讯科技（深圳）有限公司 确定推荐信息的方法及装置、计算机设备及存储介质
CN107729542A (zh) * 2017-10-31 2018-02-23 咪咕音乐有限公司 一种信息评分方法及装置和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈斌: "基于受限随机游走的时间敏感协同过滤算法" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035736A (zh) * 2020-07-31 2020-12-04 北京达佳互联信息技术有限公司 信息推送方法、装置及服务器
CN112035736B (zh) * 2020-07-31 2023-12-26 北京达佳互联信息技术有限公司 信息推送方法、装置及服务器

Also Published As

Publication number Publication date
CN111339434B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
US11354720B2 (en) Item recommendation techniques
TWI539305B (zh) Personalized information push method and device
CN109300003B (zh) 企业推荐方法、装置、计算机设备和存储介质
CN110008397B (zh) 一种推荐模型训练方法及装置
CN110084658B (zh) 物品匹配的方法和装置
CN111291765A (zh) 用于确定相似图片的方法和装置
CN110020124B (zh) 用于相关产品挖掘的方法及装置
CN110674391B (zh) 基于大数据的产品数据推送方法、系统和计算机设备
US20140214621A1 (en) Method and device for pushing information
CN110111167A (zh) 一种确定推荐对象的方法和装置
CN110827112A (zh) 深度学习的商品推荐方法、装置、计算机设备及存储介质
CN112149003B (zh) 商品社群推荐方法、装置和计算机设备
CN107679916A (zh) 用于获取用户兴趣度的方法及装置
CN116308684A (zh) 一种网购平台店铺信息推送方法及系统
CN106600360B (zh) 推荐对象的排序方法及装置
CN111339434B (zh) 信息推荐方法、装置、电子设备及计算机存储介质
CN111311381A (zh) 一种商品推荐方法及系统
CN113495991A (zh) 一种推荐方法和装置
CN110827101A (zh) 一种店铺推荐的方法和装置
CN113360773B (zh) 推荐方法、装置、存储介质及电子设备
CN110827044A (zh) 提取用户兴趣模式的方法和装置
CN110544140A (zh) 一种处理浏览数据的方法和装置
CN113763080A (zh) 推荐物品的确定方法、装置、电子设备和存储介质
CN113327145A (zh) 一种物品推荐方法和装置
CN113837846B (zh) 商品推荐方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant