CN117033803A - 一种信息推荐方法、系统、装置及介质 - Google Patents

Abstract

本发明涉及一种信息推荐方法、系统、装置及介质，涉及信息推送的技术领域，其中信息推荐方法包括信息上传、建立浏览数据库、信息浏览、权重赋值、初次映射、喜好程度计算、初次判断、排序、差值计算以及推送等步骤：信息推荐系统包括云端数据库、数据库输入模块、推送模块、终端输入模块、终端选择模块、调用模块、判断模块I、浏览模块、统计模块、计算模块I、映射分析模块I、终端数据库、计算模块II以及判断模块II；本发明能够减少浏览人员不喜欢的标签类的信息的推送数量，进而提高信息的推送精度。

Description

一种信息推荐方法、系统、装置及介质

技术领域

本发明涉及信息推送的技术领域，尤其是涉及一种信息推荐方法、系统、装置及介质。

背景技术

所谓信息推送，就是weA广播，是通过一定的技术标准或协议，在互联网上通过定期传送用户需要的信息来减少信息过载的一项新技术。推送技术通过自动传送信息给用户，来减少用于网络上搜索的时间。它根据用户的兴趣来搜索、过滤信息，并将其定期推给用户，帮助用户高效率地发掘有价值的信息。

目前，申请日为2021年03月05日，公开号为CN112445967A的中国发明专利提出了一种信息推送的方法、装置、可读存储介质及信息推送系统，包括：若出现预设浏览器的标签创建事件，则获取所述预设浏览器的当前标题；确定所述当前标题中包含的网站特征；若所述网站特征为预设网站特征，则向服务器发送所述当前标题，使得所述服务器获取所述当前标题对应的策略，所述策略包括是否需要推送信息以及需要推送的信息内容；若需要推送信息，则接收所述服务器发送的所述信息内容；显示所述信息内容。

若出现预设浏览器的标签创建事件，则获取预设浏览器的当前标题；然后确定当前标题中包含的网站特征；若网站特征为预设网站特征，则向服务器发送当前标题，使得服务器获取当前标题对应的策略，策略包括是否需要推送信息以及需要推送的信息内容；若需要推送信息，则接收服务器发送的信息内容，显示信息内容。

针对上述技术,发明人认为，在信息推送时，一个信息可能会有多个标题，每个标题的权重值不同，直接根据所获得的标题进行推送时，可能推送的信息是浏览人员不喜欢的类型，进而降低信息推送精度。

发明内容

为了能够提高信息的推送精度，本发明提供一种信息推荐方法、系统、装置及介质。

第一方面，本发明提供的一种信息推荐方法，采用如下的技术方案：

一种信息推荐方法，包括以下步骤：

信息上传：具有信息上传权限的终端向数据库中上传信息，并在上传信息时，对所上传的信息进行打标，在对信息进行打标时，一个信息可以对应多个标签，且对标签进行排序；

建立浏览数据库：浏览数据库中记录所有可浏览的信息数量X、所有的标签数量Y以及权重P；

信息浏览：具有信息浏览权限的终端从数据库中浏览信息x，并对信息x的标签进行统计，进而获得信息x的标签集合x-y_s；

权重赋值：检索标签集合x-y_s中标签的数量n，并获取信息上传时标签的排序，进而获得排序后标签集合x-y_s ^’；并对信息x在排序后标签集合x-ys^’中所占的权重进行赋值；当前信息顺序为i的标签的权重P_i的计算模型如下：

；式中e为欧拉数；

初次映射：根据信息x、标签集合x-y_s、排序后标签集合x-ys^’，将顺序为i的标签对应的权重Pi映射至数据库中，进而得到信息x在标签y上所占的权重P（x，y）；

喜好程度计算：设置数量阈值A，当浏览的信息数量大于A时执行喜好程度计算；对标签y所占的总权重P_y进行计算，标签y所占的总权重P_y的计算模型如下：

；

初次判断：设置阈值Pt，若P_y≥P_t，则将P_y≥P_t时的标签y形成推送集合yt并执行推送步骤，若P_y＜P_t，则暂不执行推送步骤；

推送：推送集合yt中的标签所对应的信息。

通过采用上述技术方案，在推荐信息时，获取上传权限的终端向数据库中上传信息，并在上传信息时，对所上传的信息进行打标，在对信息进行打标时，一个信息可以对应多个标签，且对标签进行排序；浏览数据库中记录所有可浏览的信息X、所有的标签Y以及权重P，具有信息浏览权限的终端从数据库中浏览信息x，并对信息x的标签进行统计，进而获得信息x的标签集合x-y_s，检索标签集合x-y_s中标签的数量n，并获取信息上传时标签的排序，进而获得排序后标签集合x-ys^’，并对信息x在排序后标签集合x-ys^’中所占的权重进行赋值，通过当前信息顺序为i的标签的权重P_i的公式计算出当前信息顺序为i的标签的权重，根据信息x、标签集合x-y_s、排序后标签集合x-ys^’，将顺序为i的标签对应的权重Pi映射至数据库中，进而得到信息x在标签y上所占的权重P（x，y），根据人员浏览的信息对每一类标签的总权重进行平均值计算，进而得出人员对此类标签的信息的喜好程度进行分析，若P_y≥P_t，则推送与P_y对应标签相关的信息，由于在推荐信息时，通过人员浏览的全部信息，计算出信息所属标签的占比，进而得出人员对此类标签信息的喜好程度，进而在推荐信息时推荐多数含有此类标签的信息；减少人员不喜欢的标签类的信息的推送数量，进而提高信息的推送精度，进而减少服务器资源的浪费。

可选地，还包括排序步骤、差值计算步骤：若P_y＜P_t，则执行排序步骤；

排序：对标签y所占的总权重P_y进行降序排序，进而获得新的权重集合P^J；

差值计算：获得P^J中的拐点P_k，并将（，/>，……，/>）所对应的标签y形成推送集合yt；

拐点P_k的计算模型如下：

，

；

式中：m为集合P^J中元素的顺位。

人员在浏览信息时可能多类标签的占比接近相同，通过采用上述技术方案，对第y个标签所占的总权重P_y进行降序排序，进而获得新的权重集合P^J，计算出每相邻的两个P_y之间的差值，得出最大差值，将（/>，/>，……，/>）与第y个标签所占的总权重P_y进行一一映射，在推送信息时，推送与（/>，/>，……，/>）对应的标签y；通过对第y个标签所占的总权重P_y进行降序排序，进而获得新的权重集合P^J，计算出集合P^J中的拐点最大差值P_k，在将（/>，/>，……，/>）与第y个标签所占的总权重P_y进行一一映射，推送信息时推送与（/>，/>，……，/>）对应的标签y，进而提高信息的推送精度。

可选的，所述建立浏览数据库步骤后，还设置有二次判断步骤：

二次判断：设置判断常数B，若所有标签Y的数量D≤B时，则将所有标签Y形成推送集合yt，并执行推送步骤，当标签的数量D＞B时，则执行信息浏览步骤。

通过采用上述技术方案，当在系统中输入判断常数B，当标签Y的数量D≤B时，则推送所有对应标签Y的所有信息，即推送与所有检测到的标签有关的信息。

可选的，所述差值计算步骤与所述推送步骤之间还设置有三次判断步骤；

三次判断：设置判断常数C，若m≤C，则m取C，若m＞C，则m取m，并执行推送步骤。

第二方面，本发明提供的一种信息推送系统，采用如下的技术方案：

一种信息推送系统，包括：

云端数据库：用于存储上传的信息，且用于储存信息所对应的标签；所述云端数据库设置有信息库以及标签库，信息库中用于储存上传的信息，标签库中用于储存所有标签的类别，上传的信息中至少对应一个标签；

数据库输入模块：输出端与云端数据库的输入端连接，用于向云端数据库中输入权重阈值Pt、阈值常数A以及判断常数C；

推送模块：输入端与云端数据库的输出端连接，输出端与浏览终端的输入端连接，用于从云端数据库中调用与所接收的标签集合yt对应的信息，并将所接收的标签集合yt对应的信息推送至对应的浏览终端；

上传终端：输出端与云端数据库的输入端连接，用于向云端数据库中上传信息以及用于上传标签类别，在上传信息时对信息进行打标，在打标时对标签进行排序；

上传终端包括终端输入模块以及终端选择模块；

终端输入模块：用于输入需要上传的信息以及输入标签类别；

终端选择模块：输入端与云端数据库的输出端连接，用于调用云端数据库中所有的标签类别，并供终端使用者选择已有标签；

浏览终端：用于浏览数据库中的信息，并获取信息所对应的标签以及标签的顺序；

所述浏览终端包括调用模块、判断模块I、浏览模块、统计模块、计算模块I、映射分析模块I、终端数据库、计算模块II以及判断模块II；

调用模块：调用数据库中的判断常数B、所有标签Y的数量D，以及阈值Pt；

判断模块I：输入端与调用模块的输出端连接，输出端与推送模块以及计算模块I的输入端连接，若标签Y的数量D≤B时，则向推送模块输出云端数据库中所有的标签信息；若标签的数量D＞B时，则触发计算模块I；

浏览模块：输入端与云端数据库的输出端连接，输出端与统计模块以及终端数据库的输入端连接，用于选择性浏览所推送的信息，之后将所浏览的信息、浏览的信息所对应的标签以及标签的顺序输入至统计模块，同时将所浏览的信息以及浏览的信息所对应的标签输入至终端数据库；

统计模块：输入端与浏览模块的输出端连接，输出端与计算模块I的输入端连接，统计浏览信息x、并对信息x的标签进行统计，进而获得信息x的标签集合x-y_s；设置数量阈值A，当浏览的信息数量大于A时执行计算模块I；

计算模块I：输入端与统计模块的输出端连接，用于调用所浏览的标签集合x-y_s中标签的数量n，并获取信息上传时标签的排序；进而获得排序后标签集合x-ys^’；并对信息x在排序后标签集合x-ys^’中所占的权重进行赋值，计算当前信息顺序为i的标签的权重P_i；

映射分析模块I：根据计算模块I中所浏览的信息、与所浏览的信息对应的标签，将与当前标签对应的权重映射至终端数据库中；

终端数据库：输入端映射分析模块I的输出端连接，输出端与计算模块II的输入端连接，用于储存所浏览的信息、所浏览的信息所对应的所有的标签，以及所浏览信息x在标签y上所占的权重P（x，y）；

计算模块II：输入端与映射分析模块I的输出端连接，输出端与判断模块II的输入端连接，当浏览的信息数量大于A时,对第y个标签所占的总权重P_y进行计算；

判断模块II：输入端与调用模块以及计算模块II的输出端连接，输出端与推送模块的输出端连接，将P_y与P_t进行比较，若P_y≥P_t，则将P_y≥P_t时的标签y形成推送集合yt并推送至推送模块。

通过采用上述技术方案，数据库输入模块向云端数据库中输入权重的阈值Pt、判断常数B、阈值常数A、判断常数C以及标签Y的数量D，云端数据库存储数据库输入模上传的信息，终端输入模块输入需要上传的信息以及输入标签类别；终端选择模块调用云端数据库中所有的标签类别，并供终端使用者选择已有标签信息库中用于储存上传的信息，标签库中用于储存所有标签的类别，推送模块从云端数据库中调用与所接收的标签对应的信息，并将该部分信息推送至对应的浏览终端，浏览终端浏览云端数据库中的信息，并获取信息所对应的标签以及标签的顺序；调用模块调用数据库中的判断常数B、标签Y数量D以及阈值Pt；判断模块I判断D与B的大小，若D≤B时，则将所有标签Y形成推送集合yt推送至推送模块，推送模块则向输出云端数据库推送所有的标签信息；若D＜B时，则触发计算模块I；浏览模块选择性浏览所推送的信息，之后将所浏览的信息、浏览的信息所对应的标签以及标签的顺序输入至统计模块，同时将所浏览的信息以及浏览的信息所对应的标签输入至终端数据库；统计浏览信息x、并对信息x的标签进行统计，进而获得信息x的标签集合x-y_s；计算模块I调用所浏览的标签集合x-y_s中标签的数量n，并获取信息上传时标签的排序；进而获得排序后标签集合x-ys^’；并对信息x在排序后标签集合x-ys^’中所占的权重进行赋值，计算当前信息顺序为i的标签的权重P_i；映射分析模块I根据计算模块I中所浏览的信息、与所浏览的信息对应的标签，将与当前标签对应的权重映射至终端数据库中；终端数据库储存所浏览的信息、所浏览的信息所对应的所有的标签，以及所浏览信息x在标签y上所占的权重P（x，y）；计算模块II对第y个标签所占的总权重P_y进行计算；判断模块II将P_y与P_t进行比较，若P_y≥P_t，则将P_y≥P_t时的标签y形成推送集合yt并推送至推送模块；通过计算模块I、II的计算以及判断模块I、II的的判断，选择要推送的信息，进而提高信息的推送精度，减少人员不喜欢的标签类的信息的推送数量，进而减少服务器资源的浪费。

可选的，所述浏览终端还包括排序模块、计算模块III、判断模块III以及计算模块III：

所述数据库输入模块还用于向云端数据库中输入判断常数C；

在判断模块II中，若P_y＜P_t时，则触发排序模块；

排序模块：输入端判断模块II的输出端连接，输出端与计算模块III的输入端连接，当P_y＜P_t时，对计算模块II中的标签y所占的总权重P_y进行降序排序，进而获得新的权重集合P^J；

计算模块III：计算P^J中的拐点P_k，并计算拐点出所在的顺序序号m；

判断模块III：若m≤C，则m取C，若m＞C，则m取m；并将所对应的标签y形成推送集合yt输送至推送模块。

通过采用上述技术方案，当计算模块II中计算出P_y相差不大时，则排序模块对计算模块II中的第y个标签所占的总权重P_y进行降序排序，进而获得新的权重集合P^J，计算模块III获得P^J中差值最大的拐点P_k，由于人员在浏览信息时，可能对每个标签的喜好程度差别不大，当每一类标签的权重占比相差不大时，通过计算模块III获得P^J中差值最大的拐点P_k，将P_k记为P^j _m，判断模块III比较m与C的大小，若m≤C，则m取C，若m＞C，则m取m推送模块推送与新的权重集合P^J对应的标签y，进而提高对信息的推荐精度。

第三方面，本发明提供一种信息推送装置，采用如下计算方案：

一种装置，包括处理器以及储存器，所述储存器用于存储计算机程序，所述处理器用于执行所述储存器存储的计算机程序，以使所述装置执行如第一方面所述的方法。

第四方面，本发明提供的一种信息推荐介质，采用如下的技术方案：

一种介质，其上存储有计算机程序；所述计算机程序被处理器执行时实现如第一方面所述的方法。

综上所述，本发明包括以下至少一种有益技术效果：

1. 由于在推荐信息时，通过人员浏览的全部信息，计算出信息所属标签的占比，进而得出人员对此类标签信息的喜好程度，进而在推荐信息时推荐多数含有此类标签的信息；减少人员不喜欢的标签类的信息的推送数量，进而提高信息的推送精度，进而减少服务器资源的浪费。

2. 当多个标签权重占比接近时，通过将标签的权重占比进行降序排列，计算出每相邻的两个标签权重占比之间的差值，进而计算出权重占比的拐点，通过拐点出现的位置，推送拐点之前的权重占比对应的标签信息；进而提高推送精度。

附图说明

图1是本申请实施例1的流程图；

图2是实施例2的系统图；

图3是实施例3的总线通信结构示意图。

具体实施方式

以下结合图1至图3对本发明作进一步详细说明。

实施例1：本实施例公开了一种信息推荐方法，参照图1，一种信息推荐方法包括以下步骤：

S1：信息上传：具有信息上传权限的终端向数据库中上传信息，并在上传信息时，对所上传的信息进行打标；在对信息进行打标时，可以在数据库中已有的标签中进行选择，也可以新建标签；在对信息进行打标时，一个信息至少对应一个标签，若一个信息对应多个标签时，则对标签进行排序；在上传信息时对信息进行打标，例如，一个信息打了3个标签，分别为标签1、标签2以及标签3，标签1为娱乐，标签2为旅游，标签3为高效；在对信息进行打标时，信息上传者要判断哪个标签为主要标签，哪个标签为次要标签；例如，一个信息他的主要内容为旅游，其次为娱乐，再次为高效，那么打标顺序便是标签2、标签1、标签3，进而实现标签的排序。

S2：建立浏览数据库：浏览数据库中记录所有可浏览的信息数量X、所有的标签数量Y以及权重P；例如，将信息X作为x轴；将所浏览信息所对应的所有标签Y作为y轴。

S21：二次判断：输入阈值常数B，并获得所有标签Y的数量D，若所有标签Y的数量D≤B时，则将所有标签Y形成推送集合yt，并执行S11步骤，当标签的数量D＞B时，则执行S3步骤；例如：（设置阈值常数B为3，当检测到所有标签Y的个数小于等于3时，则推送这三个标签相关的信息）。

S3：信息浏览：具有信息浏览权限的终端从数据库中浏览信息x，并对信息x的标签进行统计，进而获得信息x的标签集合x-y_s。根据信息上传步骤S1中的上传方式，所浏览的信息x的标签集合x-y_s中至少包含一个标签（例如：在上传信息时对信息进行打标，例如，一个信息打了3个标签，分别为标签1、标签2以及标签3，信息x的标签集合x-ys为（1、2、3））。

S4：权重赋值：检索标签集合x-y_s中标签的数量n，并获取信息上传时标签的排序，进而获得排序后标签集合x-ys^’；并对信息x在排序后标签集合x-ys^’中所占的权重进行赋值；当前信息顺序为i的标签的权重P_i的计算模型如下：

；式中e为欧拉数。

S5：初次映射：根据信息x、标签集合x-y_s、排序后标签集合x-ys^’，将顺序为i的标签对应的权重Pi映射至数据库中，进而得到信息x在标签y上所占的权重P（x，y）。

例如：信息1上传时对应3个标签，其分别为标签5、标签6、标签7，而打标的顺序为标签6、标签7、标签5，则顺序为1的标签6的权重为：；顺序为2的标签7的权重为：/>；

在映射时，P（1，5）为；P（1，6）为/>；

S6：喜好程度计算：设置数量阈值A，当浏览的信息数量大于A时执行喜好程度计算；对标签y所占的总权重P_y进行计算，标签y所占的总权重P_y的计算模型如下：

。

S7：初次判断：设置阈值P_t，若P_y≥P_t，则将P_y≥P_t时的标签y形成推送集合yt并执行推送步骤，若P_y＜P_t，则执行S8步骤；

例如：计算出第1个标签P₁大于等于P_t时，推送第1个标签对应的信息，如果计算出P₁、P₂均大于等于P_t时，推送第1个标签以及第2个标签对应的信息。

S8：排序：对标签y所占的总权重P_y进行降序排序，进而获得新的权重集合P^J。

S9：差值计算：获得P^J中的拐点P_k，并将（，/>，……，/>）所对应的标签y形成推送集合yt；

拐点P_k的计算模型如下：

，

；

式中：m为集合P^J中元素的顺位。

S10：三次判断：设置判断常数C，若m≤C，则m取C；若m＞C，则m取m，并执行步骤S11；（例如：C取值为4，若m≤4则形成推送集合yt，若m＞4，则/>，/>，……，形成推送集合yt）。

S11：推送：推送集合yt中的标签所对应的信息。

本实施例一种信息推荐方法的实施原理为：在推荐信息时，获取上传权限的终端向数据库中上传信息，并在上传信息时，对所上传的信息进行打标，在对信息进行打标时，一个信息可以对应多个标签，且对标签进行排序；浏览数据库中记录所有可浏览的信息X、所有的标签Y以及权重P，具有信息浏览权限的终端从数据库中浏览信息x，并对信息x的标签进行统计，进而获得信息x的标签集合x-y_s，检索标签集合x-y_s中标签的数量n，并获取信息上传时标签的排序，进而获得排序后标签集合x-ys^’，并对信息x在排序后标签集合x-ys^’中所占的权重进行赋值，通过当前信息顺序为i的标签的权重P_i的公式计算出当前信息顺序为i的标签的权重，根据信息x、标签集合x-y_s、排序后标签集合x-ys^’，将顺序为i的标签对应的权重Pi映射至数据库中，进而得到信息x在标签y上所占的权重P（x，y），根据人员浏览的信息对每一类标签的总权重进行平均值计算，进而得出人员对此类标签的信息的喜好程度进行分析，若P_y≥P_t，则推送与P_y对应标签相关的信息，由于在推荐信息时，通过人员浏览的全部信息，计算出信息所属标签的占比，进而得出人员对此类标签信息的喜好程度，进而在推荐信息时推荐多数含有此类标签的信息；减少人员不喜欢的标签类的信息的推送数量，进而提高信息的推送精度，进而减少服务器资源的浪费。

若P_y＜P_t，对标签y所占的总权重P_y进行降序排序，进而获得新的权重集合P^J，计算出每相邻的两个P_y之间的差值，得出最大差值，将（/>，/>，……，/>）与第y个标签所占的总权重P_y进行一一映射，在推送信息时，将（/>，/>，……，/>）所对应的标签y形成推送集合yt；通过对第y个标签所占的总权重P_y进行降序排序，进而获得新的权重集合P^J，计算出集合P^J中的拐点最大差值P_k，在将（/>，/>，……，/>）与第y个标签所占的总权重P_y进行一一映射，推送信息时将（/>，/>，……，/>）所对应的标签y形成推送集合yt，进而提高信息的推送精度；在系统中输入判断常数C，若m≤C，则推送/>中m小于C时/>对应的C个标签y，若m＞C，则推送/>中m＞C时/>对应的m个标签y。

实施例2：本实施例公开了一信息推荐系统，参照图2，信息推荐系统包括：云端数据库：用于存储上传的信息，且用于储存信息所对应的标签；所述云端数据库设置有信息库以及标签库，信息库中用于储存上传的信息，标签库中用于储存所有标签的类别，上传的信息中至少对应一个标签。

数据库输入模块：输出端与数据库的输入端连接，用于向数据库中输入权重的阈值Pt、判断常数B、阈值常数A以及判断常数C；

推送模块：输入端与云端数据库的输出端连接，输出端与浏览终端的输入端连接，用于从云端数据库中调用与所接收的标签集合yt对应的信息，并将所接收的标签集合yt对应的信息推送至对应的浏览终端。

上传终端：输出端与云端数据库的输入端连接，用于向云端数据库中上传信息以及用于上传标签类别，在上传信息时对信息进行打标，在打标时对标签进行排序。

上传终端包括终端输入模块以及终端选择模块；

终端输入模块：用于输入需要上传的信息以及输入标签类别。

终端选择模块：输入端与云端数据库的输出端连接，用于调用云端数据库中所有的标签类别，并供终端使用者选择已有标签。

浏览终端：用于浏览数据库中的信息，并获取信息所对应的标签以及标签的顺序。

所述浏览终端包括调用模块、判断模块I、浏览模块、统计模块、计算模块I、映射分析模块I、终端数据库、计算模块II以及判断模块II；

调用模块：调用数据库中的判断常数B、所有标签Y的数量D，以及阈值Pt。

判断模块I：输入端与调用模块的输出端连接，输出端与推送模块以及计算模块I的输入端连接，若标签Y的数量D≤B时，则向推送模块输出云端数据库中所有的标签信息；若标签的数量Y＞B时，则触发计算模块I。

浏览模块：输入端与云端数据库的输出端连接，输出端与统计模块以及终端数据库的输入端连接，用于选择性浏览所推送的信息，之后将所浏览的信息、浏览的信息所对应的标签以及标签的顺序输入至统计模块，同时将所浏览的信息以及浏览的信息所对应的标签输入至终端数据库。

统计模块：输入端与浏览模块的输出端连接，输出端与计算模块I的输入端连接，统计浏览信息x、并对信息x的标签进行统计，进而获得信息x的标签集合x-y_s；设置数量阈值A，当浏览的信息数量大于A时执行计算模块I。

计算模块I：输入端与统计模块的输出端连接，用于调用所浏览的标签集合x-y_s中标签的数量n，并获取信息上传时标签的排序；进而获得排序后标签集合x-ys^’；并对信息x在排序后标签集合x-ys^’中所占的权重进行赋值，计算当前信息顺序为i的标签的权重P_i。

映射分析模块I：根据计算模块I中所浏览的信息、与所浏览的信息对应的标签，将与当前标签对应的权重映射至终端数据库中；

终端数据库：输入端映射分析模块I的输出端连接，输出端与计算模块II的输入端连接，用于储存所浏览的信息、所浏览的信息所对应的所有的标签，以及所浏览信息x在标签y上所占的权重P（x，y）。

计算模块II：输入端与映射分析模块I的输出端连接，输出端与判断模块II的输入端连接，当浏览的信息数量大于A时,对第y个标签所占的总权重P_y进行计算。

判断模块II：输入端与调用模块以及计算模块II的输出端连接，输出端与推送模块的输出端连接，将P_y与P_t进行比较，若P_y≥P_t，则将P_y≥P_t时的标签y形成推送集合yt并推送至推送模块。

在判断模块II中，若P_y＜P_t时，则触发排序模块。

排序模块：输入端判断模块II的输出端连接，输出端与计算模块III的输入端连接，当P_y＜P_t时，对计算模块II中的标签y所占的总权重P_y进行降序排序，进而获得新的权重集合P^J。

计算模块III：计算P^J中的拐点P_k，并计算拐点出所在的顺序序号m。

判断模块III：若m≤C，则m取C，若m＞C，则m取m；并将所对应的标签y形成推送集合yt输送至推送模块。

本实施例一种信息推荐系统的实施原理为：

数据库输入模块向云端数据库中输入权重的阈值Pt、判断常数B、阈值常数A、判断常数C以及标签Y的数量D，云端数据库存储数据库输入模上传的信息，终端输入模块输入需要上传的信息以及输入标签类别；终端选择模块调用云端数据库中所有的标签类别，并供终端使用者选择已有标签信息库中用于储存上传的信息，标签库中用于储存所有标签的类别，推送模块从云端数据库中调用与所接收的标签对应的信息，并将该部分信息推送至对应的浏览终端，浏览终端浏览云端数据库中的信息，并获取信息所对应的标签以及标签的顺序；调用模块调用数据库中的判断常数B、标签Y数量D以及阈值Pt；判断模块I判断D与B的大小，若D≤B时，则将所有标签Y形成推送集合yt推送至推送模块，推送模块则向输出云端数据库推送所有的标签信息；若D＜B时，则触发计算模块I；浏览模块选择性浏览所推送的信息，之后将所浏览的信息、浏览的信息所对应的标签以及标签的顺序输入至统计模块，同时将所浏览的信息以及浏览的信息所对应的标签输入至终端数据库；统计浏览信息x、并对信息x的标签进行统计，进而获得信息x的标签集合x-y_s；计算模块I调用所浏览的标签集合x-y_s中标签的数量n，并获取信息上传时标签的排序；进而获得排序后标签集合x-ys^’；并对信息x在排序后标签集合x-ys^’中所占的权重进行赋值，计算当前信息顺序为i的标签的权重P_i；映射分析模块I根据计算模块I中所浏览的信息、与所浏览的信息对应的标签，将与当前标签对应的权重映射至终端数据库中；终端数据库储存所浏览的信息、所浏览的信息所对应的所有的标签，以及所浏览信息x在标签y上所占的权重P（x，y）；计算模块II对第y个标签所占的总权重P_y进行计算；判断模块II将P_y与P_t进行比较，若P_y≥P_t，则将P_y≥P_t时的标签y形成推送集合yt并推送至推送模块；通过计算模块I、II的计算以及判断模块I、II的的判断，选择要推送的信息，进而提高信息的推送精度，减少人员不喜欢的标签类的信息的推送数量，进而减少服务器资源的浪费。

当计算模块II中计算出P_y相差不大时，则排序模块对计算模块II中的第y个标签所占的总权重P_y进行降序排序，进而获得新的权重集合P^J，计算模块III获得P^J中差值最大的拐点P_k，由于人员在浏览信息时，可能对每个标签的喜好程度差别不大，当每一类标签的权重占比相差不大时，通过计算模块III获得P^J中差值最大的拐点P_k，将P_k记为P^j _m，判断模块III比较m与C的大小，若m≤C，则m取C，若m＞C，则m取m；并将所对应的标签y形成推送集合yt输送至推送模块，进而提高对信息的推荐精度。

实施例3：本实施例公开了一种信息推荐装置，参照图3，信息推荐装置包括：

储存器，用于储存计算机程序；

处理器，用于执行储存器储存的计算机程序，进而实现实施例1中所述的方法。

储存器可以包括用于储存数据或指令的大容量储存器。举例来说而非限制，储存器可以包括硬盘、软盘、闪存、光盘、磁光盘、磁带或者两个或更多个以上这些的组合。在合适的情况下，储存器可包括可移除或不可移除(或固定)的介质。在合适的情况下，储存器可在数据处理装置的内部或外部。在特定实施例中，储存器是非易失性固态储存器。在特定实施例中，储存器包括只读储存器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EBROM)或者两个或更多个以上这些的组合。

实施例4：本实施例公开了一种用于信息推荐的计算机储存介质，其中，该计算机储存介质存储有程序，该程序执行时能够实现实施例1中所记载的方法的部分或全部步骤。

以上均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (8)

1.一种信息推荐方法，其特征在于：包括以下步骤：

信息上传：具有信息上传权限的终端向数据库中上传信息，并在上传信息时，对所上传的信息进行打标，在对信息进行打标时，一个信息可以对应多个标签，且对标签进行排序；

建立浏览数据库：浏览数据库中记录所有可浏览的信息数量X、所有的标签数量Y以及权重P；

信息浏览：具有信息浏览权限的终端从数据库中浏览信息x，并对信息x的标签进行统计，进而获得信息x的标签集合x-y_s；

权重赋值：检索标签集合x-y_s中标签的数量n，并获取信息上传时标签的排序，进而获得排序后标签集合x-y_s ^’；并对信息x在排序后标签集合x-y_s ^’中所占的权重进行赋值；当前信息顺序为i的标签的权重P_i的计算模型如下：

；式中e为欧拉数；

初次映射：根据信息x、标签集合x-y_s、排序后标签集合x-y_s ^’，将顺序为i的标签对应的权重Pi映射至数据库中，进而得到信息x在标签y上所占的权重P（x，y）；

喜好程度计算：设置数量阈值A，当浏览的信息数量大于A时执行喜好程度计算；对标签y所占的总权重P_y进行计算，标签y所占的总权重P_y的计算模型如下：

；

初次判断：设置阈值Pt，若P_y≥P_t，则将P_y≥P_t时的标签y形成推送集合yt并执行推送步骤，若P_y＜P_t，则暂不执行推送步骤；

推送：推送集合yt中的标签所对应的信息。

2.根据权利要求1所述的一种信息推荐方法，其特征在于：还包括排序步骤、差值计算步骤：若P_y＜P_t，则执行排序步骤；

排序：对标签y所占的总权重P_y进行降序排序，进而获得新的权重集合P^J；

差值计算：获得P^J中的拐点P_k，并将（，/>，……，/>）所对应的标签y形成推送集合yt；

拐点P_k的计算模型如下：

，

；

式中：m为集合P^J中元素的顺位。

3.根据权利要求2所述的一种信息推荐方法，其特征在于：所述建立浏览数据库步骤后，还设置有二次判断步骤：

二次判断：设置判断常数B，并获得标签Y的总数量D，若所有标签Y的数量D≤B时，则将所有标签Y形成推送集合yt，并执行推送步骤，当标签的数量D＞B时，则执行信息浏览步骤。

4.根据权利要求2所述的一种信息推荐方法，其特征在于：所述差值计算步骤与所述推送步骤之间还设置有三次判断步骤；

三次判断：设置判断常数C，若m≤C，则m取C，若m＞C，则m取m，并执行推送步骤。

5.一种信息推荐系统，应用权利要求1-4中任意一项所述的信息推荐方法，其特征在于：包括：

云端数据库：用于存储上传的信息，且用于储存信息所对应的标签；所述云端数据库设置有信息库以及标签库，信息库中用于储存上传的信息，标签库中用于储存所有标签的类别，上传的信息中至少对应一个标签；

数据库输入模块：输出端与云端数据库的输入端连接，用于向云端数据库中输入权重阈值Pt、阈值常数A以及判断常数C；

推送模块：输入端与云端数据库的输出端连接，输出端与浏览终端的输入端连接，用于从云端数据库中调用与所接收的标签集合yt对应的信息，并将所接收的标签集合yt对应的信息推送至对应的浏览终端；

上传终端：输出端与云端数据库的输入端连接，用于向云端数据库中上传信息以及用于上传标签类别，在上传信息时对信息进行打标，在打标时对标签进行排序；

上传终端包括终端输入模块以及终端选择模块；

终端输入模块：用于输入需要上传的信息以及输入标签类别；

终端选择模块：输入端与云端数据库的输出端连接，用于调用云端数据库中所有的标签类别，并供终端使用者选择已有标签；

浏览终端：用于浏览数据库中的信息，并获取信息所对应的标签以及标签的顺序；

所述浏览终端包括调用模块、判断模块I、浏览模块、统计模块、计算模块I、映射分析模块I、终端数据库、计算模块II以及判断模块II；

调用模块：调用数据库中的判断常数B、所有标签Y的数量D，以及阈值Pt；

判断模块I：输入端与调用模块的输出端连接，输出端与推送模块以及计算模块I的输入端连接，若D≤B时，则将所有标签Y形成推送集合yt推送至推送模块，推送模块则向输出云端数据库推送所有的标签信息；若标签的数量Y＞B时，则触发计算模块I；

浏览模块：输入端与云端数据库的输出端连接，输出端与统计模块以及终端数据库的输入端连接，用于选择性浏览所推送的信息，之后将所浏览的信息、浏览的信息所对应的标签以及标签的顺序输入至统计模块，同时将所浏览的信息以及浏览的信息所对应的标签输入至终端数据库；

统计模块：输入端与浏览模块的输出端连接，输出端与计算模块I的输入端连接，统计浏览信息x、并对信息x的标签进行统计，进而获得信息x的标签集合x-y_s；设置数量阈值A，当浏览的信息数量大于A时执行计算模块I；

计算模块I：输入端与统计模块的输出端连接，用于调用所浏览的标签集合x-y_s中标签的数量n，并获取信息上传时标签的排序；进而获得排序后标签集合x-y_s ^’；并对信息x在排序后标签集合x-y_s ^’中所占的权重进行赋值，计算当前信息顺序为i的标签的权重P_i；

映射分析模块I：根据计算模块I中所浏览的信息、与所浏览的信息对应的标签，将与当前标签对应的权重映射至终端数据库中；

终端数据库：输入端映射分析模块I的输出端连接，输出端与计算模块II的输入端连接，用于储存所浏览的信息、所浏览的信息所对应的所有的标签，以及所浏览信息x在标签y上所占的权重P（x，y）；

计算模块II：输入端与映射分析模块I的输出端连接，输出端与判断模块II的输入端连接，当浏览的信息数量大于A时,对第y个标签所占的总权重P_y进行计算；

判断模块II：输入端与调用模块以及计算模块II的输出端连接，输出端与推送模块的输出端连接，将P_y与P_t进行比较，若P_y≥P_t，则将P_y≥P_t时的标签y形成推送集合yt并推送至推送模块。

6.根据权利要求5所述的一种信息推荐系统，其特征在于：所述浏览终端还包括排序模块、计算模块III、判断模块III以及计算模块III：

所述数据库输入模块还用于向云端数据库中输入判断常数C；

在判断模块II中，若P_y＜P_t时，则触发排序模块；

排序模块：输入端判断模块II的输出端连接，输出端与计算模块III的输入端连接，当P_y＜P_t时，对计算模块II中的标签y所占的总权重P_y进行降序排序，进而获得新的权重集合P^J；

计算模块III：计算P^J中的拐点P_k，并计算拐点出所在的顺序序号m；

判断模块III：若m≤C，则m取C，若m＞C，则m取m；并将所对应的标签y形成推送集合yt输送至推送模块。

7.一种信息推荐装置，其特征在于：包括处理器以及储存器，所述储存器用于存储计算机程序，所述处理器用于执行所述储存器存储的计算机程序，以使所述装置执行如权利要求1-4中任意一项所述的方法。

8.一种用于信息推荐的计算机储存介质，其特征在于：其上存储有计算机程序；其特征在于：所述计算机程序被处理器执行时实现如权利要求1-4中任意一项所述的方法。