CN114880580A - 信息推荐方法及装置、电子设备和介质 - Google Patents

Abstract

本公开提供了一种信息推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及计算机领域，尤其涉及智能推荐技术领域。实现方案为：获取多个第一用户的已浏览信息列表以及每个已浏览信息列表所对应的第一向量；对多个第一用户所对应的第一向量进行聚类，以获得一个或多个向量簇及其中心向量；确定与一个或多个向量簇分别对应的一个或多个信息簇；响应于第二用户的浏览请求，获取第二用户的已浏览信息列表；响应于确定第二用户的已浏览信息列表不为空，确定第二用户的已浏览信息列表所对应的第二向量；将第二向量分别与中心向量进行相似度计算，以确定与第二向量相匹配的信息簇；以及基于所确定的信息簇对所述第二用户进行推荐。

Description

信息推荐方法及装置、电子设备和介质

技术领域

本公开涉及计算机领域，尤其涉及智能推荐技术领域，具体涉及一种信息推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

随着互联网技术的发展，互联网已成为人们生活中不可或缺的部分，人们生活中的消费、娱乐、学习、出行和理财等都离不开互联网。用户在不同场景中进行浏览和跳转时，召回层面还没有统一的基于用户画风的召回，使得召回层面的资源可能已经风格不一致，无法带给用户沉浸式的信息消费。

发明内容

本公开提供了一种信息推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种信息推荐方法，包括：获取多个第一用户的已浏览信息列表以及每个已浏览信息列表所对应的第一向量；对所述多个第一用户所对应的第一向量进行聚类，以获得一个或多个向量簇及其中心向量；确定与所述一个或多个向量簇分别对应的一个或多个信息簇，其中每个信息簇根据相对应的向量簇中的第一向量所对应的已浏览信息列表确定；响应于第二用户的浏览请求，获取所述第二用户的已浏览信息列表；响应于确定所述第二用户的已浏览信息列表不为空，确定所述第二用户的已浏览信息列表所对应的第二向量；将所述第二向量分别与所述中心向量进行相似度计算，以确定与所述第二向量相匹配的信息簇；以及基于所述确定的信息簇对所述第二用户进行推荐。

根据本公开的另一方面，提供了一种信息推荐装置，包括：第一获取单元，配置为获取多个第一用户的已浏览信息列表以及每个已浏览信息列表所对应的第一向量；聚类单元，配置为对所述多个第一用户所对应的第一向量进行聚类，以获得一个或多个向量簇及其中心向量；第一确定单元，配置为确定与所述一个或多个向量簇分别对应的一个或多个信息簇，其中每个信息簇根据相对应的向量簇中的第一向量所对应的已浏览信息列表确定；第二获取单元，配置为响应于第二用户的浏览请求，获取所述第二用户的已浏览信息列表；第二确定单元，配置为响应于确定所述第二用户的已浏览信息列表不为空，确定所述第二用户的已浏览信息列表所对应的第二向量；第三确定单元，配置为将所述第二向量分别与所述中心向量进行相似度计算，以确定与所述第二向量相匹配的信息簇；以及推荐单元，配置为基于所述确定的信息簇对所述第二用户进行推荐。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行本公开所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现本公开所述的方法。

根据本公开的一个或多个实施例，通过将用户的已浏览信息所对应的向量进行聚类，并将当前浏览用户的已浏览信息所对应的向量与聚类所得到的中心向量进行相似度计算，为当前用户提供了沉浸式的信息消费体验，并保持整体信息消费的节奏感和流畅度，提高了用户体验。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的信息推荐方法的流程图；

图3示出了根据本公开的实施例的信息浏览页面的示意图；

图4示出了根据本公开的实施例的信息推荐装置的结构框图；以及

图5示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行信息推荐的方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来浏览相应的信息。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如待推荐的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

在推荐系统中，通常分为召回、排序、融合三个阶段。召回阶段主要根据用户相关性、信息新热度、本地感等不同维度进行召回；排序阶段主要以点击、互动、时长等作为目标进行打分排序；最后融合阶段进行多样性和基于上下文的序列整体调整。

对用户而言，整个浏览信息是基于历史和上下文的整体感知，除了当前某一条信息，前后信息以及用户浏览过的历史信息都对用户有很强感知。尤其在不同场景中对整体画风的感知更加强烈，例如在信息流的二跳场景中，用户从一条信息点击进入二跳频道，频道更多的是给用户沉浸式的消费，更加强调整体消费的节奏感和流畅度，因此更加强调沉浸式消费中的整体画风。

当前，在排序阶段，以点击、时长或者互动等目标进行整体风格排序，但召回阶段还没有统一的基于用户画风的召回，使得召回阶段的信息风格不一致，导致后续的排序阶段很难统一风格。因此，如何进行画风统一的信息召回成为关键。

因此，根据本公开的实施例提供了一种信息推荐方法，包括：获取多个第一用户的已浏览信息列表以及每个已浏览信息列表所对应的第一向量；对所述多个第一用户所对应的第一向量进行聚类，以获得一个或多个向量簇及其中心向量；确定与所述一个或多个向量簇分别对应的一个或多个信息簇，其中每个信息簇根据相对应的向量簇中的第一向量所对应的已浏览信息列表确定；响应于第二用户的浏览请求，获取所述第二用户的已浏览信息列表；响应于确定所述第二用户的已浏览信息列表不为空，确定所述第二用户的已浏览信息列表所对应的第二向量；将所述第二向量分别与所述中心向量进行相似度计算，以确定与所述第二向量相匹配的信息簇；以及基于所述确定的信息簇对所述第二用户进行推荐。

根据本公开的实施例，通过将用户的已浏览信息所对应的向量进行聚类，并将当前浏览用户的已浏览信息所对应的向量与聚类所得到的中心向量进行相似度计算，为当前用户提供了沉浸式的信息消费体验，并保持整体信息消费的节奏感和流畅度，提高了用户体验。

图2示出了根据本公开的实施例的信息推荐方法的流程图。如图2所示，在步骤210中，获取多个第一用户的已浏览信息列表以及每个已浏览信息列表所对应的第一向量。

根据一些实施例，所述第一用户即活跃用户，该活跃用户可以基于以下步骤确定：在预设时间段内将用户按照其浏览信息的数量从高到低进行排序，以将前预设百分位数所对应的用户作为所述第一用户。

在本公开中，待推荐的信息可以包括但不限于图片、文本、视频、商品等等内容。并且，在一些示例中，待推荐的信息可以属于不同的信息类别，例如娱乐类、新闻类、体育类等。因此，可以在不同类别中分别选择活跃用户，以作为相应的第一用户。具体地，可以在预定时间段内，将每个类别下的用户按其浏览信息的数量从高到低进行排序，取前预设百分位数(例如前5％)所对应的用户作为第一用户。

可以理解的是，其他可以确定第一用户的方式也是可能的，例如在预定时间段内浏览数量超预设阈值的用户，在此不作限制。

根据一些实施例，所述已浏览信息列表包括相应用户已浏览信息的信息标识。因此，可以基于每个用户所对应的一组信息标识确定该组信息标识所对应的向量表示。

在一些实施例中，可以通过预先训练的模型来获得已浏览信息列表所对应的向量。示例地，设置待训练的双塔模型，将同一用户浏览过的信息随机分为两组输入两个塔，以作为正样本；不同用户浏览过的信息输入两个塔，以作为负样本。两个塔的参数共享，从而训练得到输出已浏览信息列表所对应向量的双塔模型。

可以理解的是，其他能够获得已浏览信息列表所对应的向量的方法也是可能的，在此不作限制。

在步骤220中，对多个第一用户所对应的第一向量进行聚类，以获得一个或多个向量簇及其中心向量。

在上述待推荐的信息属于不同信息类别的示例中，可以对每个信息类别中的多个第一用户所对应的向量进行聚类。具体地，对于娱乐类，可以将其活跃用户的浏览列表所对应的向量进行聚类，以获得一个或多个簇以及每个簇所对应的中心向量。其他信息类别类似，在此不再赘述。

在一些示例中，也可以将多个信息类别中的第一用户所对应的向量同时进行聚类，在此不作限制。并且，在本公开中，可以基于任何合适的算法对第一向量进行聚类，包括但不限于Kmeans算法。

在步骤230中，确定与所述一个或多个向量簇分别对应的一个或多个信息簇，其中每个信息簇根据相对应的向量簇中的第一向量所对应的已浏览信息列表确定。

在一些示例中，在对多个第一用户所对应的第一向量进行聚类后，获得一个或多个向量簇，每个向量簇对应于一个或多个第一向量。而且，每个第一向量对应于一个第一用户的一组浏览列表，因此可以基于其相对应的第一用户的浏览列表确定与该第一或多个向量簇分别对应的一个或多个信息簇。

在步骤240中，响应于第二用户的浏览请求，获取所述第二用户的已浏览信息列表。在步骤250中，响应于确定所述第二用户的已浏览信息列表不为空，确定所述第二用户的已浏览信息列表所对应的第二向量。

示例地，该第二用户的浏览请求可以为用户的浏览操作(例如在触摸屏上的滑动操作)、点击某一具体信息后的跳转操作，等等。如图3所示，用户对浏览页面中的信息A、B、C、D…进行浏览，并点击信息B以基于信息B触发页面跳转，以跳转到包括信息B、E、F、G…的浏览页面。

为使得跳转后的页面给用户提供沉浸式的信息消费体验，以保持整体信息消费的节奏感和流畅度，在接收到用户的浏览请求后，需召回整体画风较为一致的信息，以提高用户体验。

为召回整体画风较为一致的信息，具体地，在步骤260中，将第二向量分别与中心向量进行相似度计算，以确定与所述第二向量相匹配的信息簇；以及在步骤270中，基于所述确定的信息簇对所述第二用户进行推荐。

在本公开中，可以基于任何合适的算法将该第二向量与通过聚类所得到的簇的中心向量进行相似度计算，包括但不限于例如annoy算法，以确定与该第二向量最接近的一个或多个簇。

在上述待推荐的信息属于不同信息类别的示例中，可以将该第二向量与所有信息类别下的每个簇的中心向量进行相似度进行，以在该所有信息类别所对应的簇中确定出与所述第二向量相匹配的信息簇。

在一些示例中，与第二向量相匹配的信息簇可以为所述相似度大于预设阈值的簇、或者也可以为所述相似度最高的预设个数的簇，在此不作限制。

根据一些实施例，基于所述确定的信息簇对所述第二用户进行推荐可以包括：获取所述确定的信息簇所对应的第一用户的已浏览信息列表；以及基于所述获取第一用户的已浏览信息列表，确定浏览量最多的预定个数信息，以基于所述预定个数信息对所述第二用户进行推荐。

具体地，假设所确定的信息簇中第一用户A的已浏览信息列表为{A1、A2、A3、A4}、第一用户B的已浏览信息列表为{A1、A2、B1、B2}、第一用户C的已浏览信息列表为{B1、A2、B3、B4。则对该信息簇所对应的第一用户A、B、C的已浏览信息列表进行统计后，可以确定信息A1被浏览2次、信息A2被浏览3次，信息B1被浏览2次，其余信息均被浏览一次。因此，在对所确定的信息簇中的所有第一用户的已浏览信息进行统计后，可以确定浏览量最多的预定个数的信息，以基于该预定个数信息对第二用户进行推荐。

根据一些实施例，根据本公开的方法还可以包括：响应于确定所述第二用户所对应的已浏览信息列表为空，确定所述一个或多个信息簇中的每一个信息簇所对应的信息浏览量；确定信息浏览量最高的信息簇，以基于所述确定的信息簇对所述第二用户进行推荐。

当第二用户所对应的已浏览信息列表为空(例如第二用户为新用户)时，可以直接将最活跃的簇中的信息推荐给用户。具体地，可以基于上面所述的方法分别确定每一个信息簇所对应的信息浏览量。例如，某一个信息簇中包括信息A1、B1、…、N1，并且统计确定信息A1一共被浏览a次、信息B1一共被浏览b次、……、信息N1一共被浏览c次，则该信息簇所对应的浏览量为a+b+…+c。从而在该一个或多个信息簇中确定信息浏览量最高的信息簇对第二用户进行推荐。

根据本公开的实施例，如图4所示，还提供了一种信息推荐装置400，包括：第一获取单元410，配置为获取多个第一用户的已浏览信息列表以及每个已浏览信息列表所对应的第一向量；聚类单元420，配置为对所述多个第一用户所对应的第一向量进行聚类，以获得一个或多个向量簇及其中心向量；第一确定单元430，配置为确定与所述一个或多个向量簇分别对应的一个或多个信息簇，其中每个信息簇根据相对应的向量簇中的第一向量所对应的已浏览信息列表确定；第二获取单元440，配置为响应于第二用户的浏览请求，获取所述第二用户的已浏览信息列表；第二确定单元450，配置为响应于确定所述第二用户的已浏览信息列表不为空，确定所述第二用户的已浏览信息列表所对应的第二向量；第三确定单元460，配置为将所述第二向量分别与所述中心向量进行相似度计算，以确定与所述第二向量相匹配的信息簇；以及推荐单元470，配置为基于所述确定的信息簇对所述第二用户进行推荐。

这里，信息推荐装置400的上述各单元410～470的操作分别与前面描述的步骤210～270的操作类似，在此不再赘述。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图5，现将描述可以作为本公开的服务器或客户端的电子设备500的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，电子设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM503中，还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

电子设备500中的多个部件连接至I/O接口505，包括：输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向电子设备500输入信息的任何类型的设备，输入单元506可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元507可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元508可以包括但不限于磁盘、光盘。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (13)

1.一种信息推荐方法，包括：

获取多个第一用户的已浏览信息列表以及每个已浏览信息列表所对应的第一向量；

对所述多个第一用户所对应的第一向量进行聚类，以获得一个或多个向量簇及其中心向量；

确定与所述一个或多个向量簇分别对应的一个或多个信息簇，其中每个信息簇根据相对应的向量簇中的第一向量所对应的已浏览信息列表确定；

响应于第二用户的浏览请求，获取所述第二用户的已浏览信息列表；

响应于确定所述第二用户的已浏览信息列表不为空，确定所述第二用户的已浏览信息列表所对应的第二向量；

将所述第二向量分别与所述中心向量进行相似度计算，以确定与所述第二向量相匹配的信息簇；以及

基于所述确定的信息簇对所述第二用户进行推荐。

2.如权利要求1所述的方法，其中，基于所述确定的信息簇对所述第二用户进行推荐包括：

获取所述确定的信息簇所对应的第一用户的已浏览信息列表；以及

基于所述获取第一用户的已浏览信息列表，确定浏览量最多的预定个数信息，以基于所述预定个数信息对所述第二用户进行推荐。

3.如权利要求1所述的方法，其中，所述第一用户基于以下步骤确定：在预设时间段内将用户按照其浏览信息的数量从高到低进行排序，以将前预设百分位数所对应的用户作为所述第一用户。

4.如权利要求1所述的方法，还包括：

响应于确定所述第二用户所对应的已浏览信息列表为空，确定所述一个或多个信息簇中的每一个信息簇所对应的信息浏览量；

确定信息浏览量最高的信息簇，以基于所述确定的信息簇对所述第二用户进行推荐。

5.如权利要求1所述的方法，其中，所述已浏览信息列表包括相应用户已浏览信息的信息标识。

6.一种信息推荐装置，包括：

第一获取单元，配置为获取多个第一用户的已浏览信息列表以及每个已浏览信息列表所对应的第一向量；

聚类单元，配置为对所述多个第一用户所对应的第一向量进行聚类，以获得一个或多个向量簇及其中心向量；

第一确定单元，配置为确定与所述一个或多个向量簇分别对应的一个或多个信息簇，其中每个信息簇根据相对应的向量簇中的第一向量所对应的已浏览信息列表确定；

第二获取单元，配置为响应于第二用户的浏览请求，获取所述第二用户的已浏览信息列表；

第二确定单元，配置为响应于确定所述第二用户的已浏览信息列表不为空，确定所述第二用户的已浏览信息列表所对应的第二向量；

第三确定单元，配置为将所述第二向量分别与所述中心向量进行相似度计算，以确定与所述第二向量相匹配的信息簇；以及

推荐单元，配置为基于所述确定的信息簇对所述第二用户进行推荐。

7.如权利要求6所述的装置，其中，所述推荐单元包括：

第三获取单元，配置为获取所述确定的信息簇所对应的第一用户的已浏览信息列表；以及

第四确定单元，配置为基于所述获取第一用户的已浏览信息列表，确定浏览量最多的预定个数信息，以基于所述预定个数信息对所述第二用户进行推荐。

8.如权利要求6所述的装置，其中，所述第一用户基于以下步骤确定：在预设时间段内将用户按照其浏览信息的数量从高到低进行排序，以将前预设百分位数所对应的用户作为所述第一用户。

9.如权利要求6所述的装置，还包括：

第五确定单元，配置为响应于确定所述第二用户所对应的已浏览信息列表为空，确定所述一个或多个信息簇中的每一个信息簇所对应的信息浏览量；

第六确定单元，配置为确定信息浏览量最高的信息簇，以基于所述确定的信息簇对所述第二用户进行推荐。

10.如权利要求6所述的装置，其中，所述已浏览信息列表包括相应用户已浏览信息的信息标识。

11.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。

13.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-5中任一项所述的方法。

Images