TWI508010B - Information recommendation method, device and server - Google Patents

Description

資訊推薦的方法、裝置及伺服器

本發明關於網路技術領域，尤指一種資訊推薦的方法及裝置。

隨著網際網路的普及，網際網路上的資訊資源呈指數膨脹，從而帶來了“資訊超載”和“資訊迷向”的問題，用戶經常會迷失在大量的資訊空間中，無法順利找到自己需要的資訊。因此出現了面向網際網路的資訊檢索、資訊過濾和協同過濾等技術，例如一些電子商務推薦系統，這些電子商務推薦系統直接與用戶交互，模擬商店銷售人員向用戶提供商品推薦，幫助用戶找到所需要商品，從而順利完成購買過程。目前的這些推薦系統是基於一種實例基礎上的，也就是通過商品推薦商品，資訊推薦資訊，圈子推薦圈子等等，但是這些推薦系統的覆蓋面不夠寬，精確度不夠高，在日趨激烈的競爭環境下，由於以上這些問題，現有的推薦系統可能會導致用戶流失，從而降低了網站的銷售額度和流覽量。

有鑒於此，本發明實施例提供了一種資訊推薦的方法，用以提高推薦系統的精確度。

本發明實施例提供了一種資訊推薦的方法，包括：獲得用戶端的訪問資訊後，從記憶記錄中獲得與該訪問資訊關聯的各類關聯資訊；獲取該各類關聯資訊中含有至少兩類關聯資訊的關聯資訊組合的出現屬性，分別根據每一種關聯資訊組合的出現屬性計算該種關聯資訊組合與該訪問資訊的關聯度；選擇滿足條件的關聯度對應的關聯資訊組合，將該關聯資訊組合推薦給該用戶端。

本發明實施例提供了一種資訊推薦的裝置，包括：獲取單元，用於獲得本地用戶端的訪問資訊後，從記憶記錄中獲得與該訪問資訊關聯的各類關聯資訊；計算單元，用於獲取該各類關聯資訊中含有至少兩類關聯資訊的關聯資訊組合的出現屬性，分別根據每一種關聯資訊組合的出現屬性計算該種關聯資訊組合與該訪問資訊的關聯度；推薦單元，用於選擇滿足條件的關聯度對應的關聯資訊組合，將該關聯資訊組合推薦給該用戶端。

本發明實施例提供了一種伺服器，包括：獲取單元，用於獲得用戶端的訪問資訊後，從記憶記錄中獲得與該訪問資訊關聯的各類關聯資訊；計算單元，用於獲得該各類關聯資訊中含有至少兩類關聯資訊的關聯資訊組合的出現屬性，分別根據每一種關聯資訊組合的出現屬性計算該種關聯資訊組合與該訪問資訊的關聯度；推薦單元，用於選擇滿足條件的關聯度對應的關聯資訊組合，將該關聯資訊組合推薦給該用戶端。

本發明實施例中伺服器得到用戶端的訪問資訊後，從記憶記錄中獲取與該訪問資訊關聯的各類關聯資訊，獲取該各類關聯資訊中含有至少兩類關聯資訊的關聯資訊組合的出現屬性，分別根據每一種關聯資訊組合的出現屬性計算該種關聯資訊組合與該訪問資訊的關聯度，選擇滿足條件的關聯度對應的關聯資訊組合，將該關聯資訊組合推薦給該用戶端，從而實現各種資訊流之間的交互和個性化推薦，提高推薦系統的精確度。

本發明實施例提供了一種資訊推薦的方法，該方法包括：伺服器得到用戶端的訪問資訊後，從記憶記錄中獲取與該訪問資訊關聯的各類關聯資訊，獲得該各類關聯資訊中含有至少兩類關聯資訊的關聯資訊組合的出現屬性，分別根據每一種關聯資訊組合的出現屬性計算該種關聯資訊組合與該訪問資訊的關聯度，選擇滿足條件的關聯度對應的兩類關聯資訊組合，將該關聯資訊組合推薦給該用戶端。

參見圖1所示，本發明實施例的方法包括以下步驟：步驟101：用戶端將訪問資訊發送給伺服器，例如用戶端將商品資訊，或者部落格(blog)資訊發送給伺服器。本發明實施例中的訪問資訊可以包括但不限於商品資訊、blog資訊、圈子資訊、帖子資訊、產品資訊、資訊信息、關鍵字資訊和廣告資訊等網際網路實體資訊中的一個或多個。

本步驟中用戶端還可以將用戶端的用戶資訊發送給伺服器，如用戶端用戶的註冊名返回給伺服器，伺服器可根據返回的用戶端用戶的註冊名調取例如用戶的學歷資訊、職業資訊、年齡資訊等用戶資訊，為根據該用戶端的用戶資訊進行二次挖掘做準備。

步驟102：伺服器從記憶記錄中獲取與步驟101中的訪問資訊關聯的各類關聯資訊。這裏，伺服器首先從記憶記錄中獲取使用過該訪問資訊的用戶端的記錄，其中，使用包括：流覽、收藏、購買、評論、處理、加入、推薦等這些對資訊的執行動作，但不限於此。然後從該記錄中獲取這些用戶端使用過的各類資訊，也就是這些用戶端使用過的商品資訊、blog資訊、圈子資訊、帖子資訊、產品資訊、資訊信息、關鍵字資訊和廣告資訊等這些類別的資訊，從而獲得了與訪問資訊關聯的各類關聯資訊。

步驟103：伺服器從步驟102獲取到各類關聯資訊中獲取含有至少兩類關聯資訊的關聯資訊組合的出現屬性，分別根據每一種關聯資訊組合的出現屬性計算該種關聯資訊組合與該訪問資訊的關聯度。該出現屬性可以是出現次數，出現時間和出現平臺中的一個或多個。

這裏伺服器可以首先根據用戶端的應用場景在步驟102獲取到各類關聯資訊中選擇含有至少兩類關聯資訊的關聯資訊組合，即可以根據用戶端的應用場景在商品資訊、blog資訊、圈子資訊、帖子資訊、產品資訊、資訊信息、關鍵字資訊和廣告資訊等這些類別的關聯資訊中，選擇含有兩類以上的關聯資訊的關聯資訊組合，比如，選擇含有商品資訊和資訊信息的關聯資訊組合，或者選擇含有blog資訊、圈子資訊和帖子資訊的關聯資訊組合。然後統計每一種關聯資訊組合的出現屬性，最後分別根據每一種關聯資訊的出現屬性計算該關聯資訊組合與該訪問資訊的關聯度。

其中，可以首先獲取每一種關聯資訊的出現次數，然後根據每一種關聯資訊組合的出現次數計算該種關聯資訊組合與該訪問資訊的關聯度。也可以首先獲取每一種關聯資訊的出現次數和出現時間這兩種出現屬性，然後根據每一種關聯資訊組合的出現次數和出現時間計算該種關聯資訊組合與該訪問資訊的關聯度。

這裏還可以根據步驟101中得到的用戶端的用戶資訊進行二次挖掘，伺服器從步驟102獲取到各類關聯資訊中獲取滿足用戶端的應用場景的含有至少兩類關聯資訊的關聯資訊的出現屬性，比如獲取含有blog資訊、圈子資訊和帖子資訊的每一種關聯資訊組合的出現屬性，在得到用戶端的用戶資訊和使用過該訪問資訊的用戶端的用戶資訊之後，根據該用戶端的資訊和該使用過該訪問資訊的用戶端的資訊給每一種關聯資訊組合的出現屬性設置權重係數，最後根據每一種關聯資訊組合的出現屬性以及對應的權重係數計算該種關聯資訊組合與該訪問資訊的關聯度。

步驟104：伺服器將滿足條件的關聯度對應的關聯資訊組合推薦給用戶端。

這裏，可以將步驟103中計算出的關聯度進行排序，根據排序結果將一個或多個排序較高的關聯度對應的關聯資訊組合推薦給用戶端。另外還可以將步驟103中計算出的關聯度與設定值進行比較，當該關聯度超過設定值時，選擇該關聯度對應的關聯資訊組合，將該關聯資訊組合推薦給本地用戶端。

本步驟中，還需要根據本地用戶端的應用場景，將上述被推薦的關聯資訊組合轉換為其對應要求的超文本格式後發送給本地用戶端，也就是伺服器發送給本地用戶端包括關聯資訊組合以及其對應的超文本格式。

步驟105：用戶端將接收到的關聯資訊組合顯示出來，也就是將步驟104中被推薦的關聯資訊組合和其對應的超文本格式展現給用戶。

下面結合說明書附圖對本發明實施例作進一步詳細描述。

參見圖2，本發明實施例中訪問資訊為商品資訊，但是並不能因此而認為本發明實施例僅能用於商品資訊的推薦，blog資訊、圈子資訊、帖子資訊、產品資訊、資訊信息、關鍵字資訊或廣告資訊等網際網路實體資訊均可通過本發明實施例實現推薦。具體執行過程如下：步驟201：用戶通過本地用戶端訪問具有商品資訊的網頁，比如用戶需要購買商品A。

步驟202：本地用戶端將商品A資訊和用戶資訊發送給伺服器。

步驟203：伺服器接收到商品A資訊和用戶資訊後，在記憶記錄中調取一段時間內與商品A資訊關聯的用戶，可以是一個月內與商品A資訊關聯的用戶，也就是獲得一個月內購買、流覽或收藏商品A的用戶，具體包括用戶M1、用戶M2、用戶M3、用戶M4和用戶M5。然後進一步調取M1、M2、M3、M4和M5使用過的各類資訊，例如M1還購買了商品B、商品C和商品D，流覽blog1、blog2和blog3，流覽廣告1、廣告2、廣告3和廣告4，加入圈子1和圈子2。而M2還購買了商品B、商品C和商品E，流覽blog1、blog2和blog4，流覽廣告1、廣告2和廣告5，發了帖子1和帖子2。M3還流覽了商品B、商品D和商品F，流覽blog1、blog4和blog5，加入圈子1,發了帖子1和帖子3。M4還收藏了商品B、商品F和商品G，流覽blog2，流覽資訊1、資訊2和資訊3，加入圈子2，發了帖子3和帖子4。M5還購買了商品B和商品F，流覽blog2和blog6，流覽廣告4，加入圈子1和圈子3，流覽資訊1和資訊4。上述這些各類資訊就是與商品A資訊關聯的各類關聯資訊。本步驟伺服器還可以得到用戶M1、用戶M2、用戶M3、用戶M4和用戶M5的年齡資訊、學歷資訊、職業資訊和家庭結構資訊等這些用戶資訊中的一種或多種。

步驟204：根據用戶登錄網頁的應用平臺，選擇滿足該應用平臺的關聯資訊組合，如果訪問的網頁只具有商品資訊和資訊信息這兩類資訊的組合，那麼選擇的關聯資訊組合為商品資訊和資訊信息的組合。如果訪問的網頁具有商品資訊、blog資訊、廣告資訊和資訊信息等這幾類資訊，那麼選擇對應的關聯資訊組合為商品資訊、blog資訊、廣告資訊和資訊信息的組合，這裏根據用戶登錄網頁的應用環境，選擇滿足應用環境的含有商品資訊、部落格資訊、圈子資訊、帖子資訊、產品資訊、資訊信息、關鍵字資訊和廣告資訊等中的至少兩類資訊的關聯資訊組合。本發明實施例以訪問的網頁具有商品資訊和資訊信息這兩類資訊為例進行描述，那麼選擇對應的關聯資訊組合為商品資訊和資訊信息的組合。

步驟205：統計每一種商品資訊和資訊信息的組合的出現屬性，本發明實施例以出現次數為例進行描述，但並不限如此。在步驟203中，購買、流覽或收藏商品A的用戶中，購買、流覽或收藏商品B且又流覽資訊1的有2人，即商品B和資訊1的出現次數為2；購買、流覽或收藏商品F且又流覽資訊1的有2人，即商品F和資訊1的出現次數為2；購買、流覽或收藏商品B且又流覽資訊2的有1人，即商品B和資訊2的出現次數為1；購買、流覽或收藏商品B且又流覽資訊3的有1人，即商品B和資訊3的出現次數為1；購買、流覽或收藏商品B且又流覽資訊4的有1人，即商品B和資訊4的出現次數為1；購買、流覽或收藏商品F且又流覽資訊2的有1人，即商品F和資訊2的出現次數為1；購買、流覽或收藏商品F又流覽資訊3的有1人，即商品F和資訊3的出現次數為1；購買、流覽或收藏商品F且又流覽資訊4的有1人，即商品F和資訊4的出現次數為1；購買、流覽或收藏商品G且又流覽資訊1的有1人，即商品G和資訊1的出現次數為1；購買、流覽或收藏商品G且又流覽資訊2的有1人，即商品G和資訊2的出現次數為1；購買、流覽或收藏商品G且又流覽資訊3的有1人，即商品G和資訊3的出現次數為2。

步驟206：伺服器根據步驟205統計的結果，通過相應的關聯演算法計算每一種商品資訊和資訊信息的組合與該訪問資訊的關聯度，也就是與購買商品A的關聯度。這裏可以採用協同過濾推薦演算法，也可以採用加入設定商業規則的推薦演算法。商品B和資訊1的組合以及商品F和資訊1的組合與商品的出現次數最高，根據出現次數計算出的關聯度為2，那麼依次計算出商品B和資訊2的組合與商品A的關聯度為1，商品B和資訊3的組合與商品A的關聯度為1，商品B和資訊4的組合與商品A的關聯度為1，商品F和資訊2的組合與商品A的關聯度為1，商品F和資訊3的組合與商品A的關聯度為1，商品F和資訊4的組合與商品A的關聯度為1。

本發明實施例還可根據用戶端返回的用戶資訊進行二次挖掘。例如根據用戶的學歷對上述計算出的關聯度再次進行挖掘，統計購買、流覽或收藏商品A的用戶的學歷，發現高學歷的用戶可能會對商品B和資訊1比較感興趣，而且本地用戶端返回的用戶資訊也是高學歷，因此可將商品B和資訊1的出現次數的權重係數設為1，而將商品F和資訊1的出現次數的權重係數設為0.6，這樣最終根據該用戶資訊挖掘後的結果可能就會是商品B和資訊1與當前訪問的商品A關聯度最高，關聯度為2，而商品F和資訊1與當前訪問的商品A的關聯度為1.2。這樣依次對各種商品資訊和資訊信息的組合的出現次數設置權重係數，根據商品資訊和資訊信息的組合的出現次數以及對應的權重係數得到各種商品資訊和資訊信息組合與商品A的關聯度。

步驟207：將步驟206計算出來的關聯度與設定值進行比較，當該關聯度超過設定值時，獲取該關聯度對應的關聯資訊組合。本發明實施例中，關聯度的設定值為1，在步驟205中，關聯度大於1的關聯資訊組合為商品B和資訊1的組合以及商品F和資訊1的組合。

本發明實施例中，還可以按照關聯資訊組合與訪問資訊的關聯度的大小進行排序，獲取設定數量N個關聯度對應的關聯資訊組合，比如獲取排名靠前的兩組關聯資訊組合。

步驟208：伺服器將步驟207中獲取到的關聯資訊組合發送給用戶端。伺服器將商品B和資訊1的組合以及商品F和資訊1的組合轉換為商品B和資訊1的組合以及商品F和資訊1的組合對應要求的超文本格式，然後將該商品B和資訊1的組合，商品F和資訊1的組合，以及對應要求的超文本格式發送給本地用戶端。

或者，伺服器將N個關聯度對應的關聯資訊組合以及對應要求的超文本格式發送給本地用戶端。

步驟209：本地用戶端將接收到的商品B和資訊1的組合，商品F和資訊1的組合，以及對應要求的超文本格式展示給用戶，或者將N個關聯度對應的關聯資訊組合以及對應要求的超文本格式展示給用戶。

根據本發明上述方法可以構建一種資訊推薦的裝置，位於後臺伺服器中，參見圖3，包括：獲取單元100，計算單元200和推薦單元300。

獲取單元100，用於獲得用戶端的訪問資訊後，從記憶記錄中獲取與該訪問資訊關聯的各類關聯資訊。

計算單元200，用於獲得該各類關聯資訊中含有至少兩類關聯資訊的關聯資訊組合的出現屬性，分別根據每一種關聯資訊組合的出現屬性計算該種關聯資訊組合與該訪問資訊的關聯度。

推薦單元300，用於選擇滿足條件的關聯度對應的關聯資訊組合，將該關聯資訊組合推薦給該用戶端。

本發明實施例該裝置還包括：記憶單元。

記憶單元，用於記憶用戶端、以及每一個用戶端使用過的各類資訊。

其中，獲取單元包括：第一獲取子單元110和第二獲取子單元120。

第一獲取子單元110，用於從記憶記錄中獲取使用過該訪問資訊的其他用戶端；

第二獲取子單元120，用於從該記憶記錄中獲取該其他用戶端使用過的各類關聯資訊。

計算單元200還包括：選擇子單元210和統計子單元220。

選擇子單元210，用於根據用戶端的應用場景在該各類關聯資訊中選擇含有至少兩類關聯資訊的關聯資訊組合。

統計子單元220，用於統計每一種關聯資訊組合的出現屬性。

推薦單元300還包括：第一選擇子單元310和第二選擇子單元320。

第一選擇子單元310，按照該關聯度進行排序，選擇排序較高的關聯度對應的關聯資訊組合。

第二選擇子單元320，用於將該關聯度與設定值進行比較，當該關聯度超過設定值時，選擇該關聯度對應的關聯資訊組合。

本發明實施例該裝置還包括：轉換單元和發送單元。

轉換單元，用於將該關聯資訊組合轉換為該關聯資訊組合對應要求的超文本格式。

發送單元，用於將該超文本格式發送給該用戶端。

當本發明實施中該裝置包括用戶資訊單元時，計算單元還可以包括保存子單元和計算子單元。其中，用戶資訊單元，用於得到該用戶端的用戶資訊和使用過該訪問資訊的用戶端的用戶資訊。

保存子單元，用於保存根據該用戶端的用戶資訊和該流覽過該訪問資訊的用戶端的用戶資訊給每一種關聯資訊組合的出現屬性設置的權重係數。

計算子單元，用於根據該每一種關聯資訊組合的出現屬性以及對應的權重係數計算該種關聯資訊組合與該訪問資訊的關聯度。

本發明實施例中伺服器得到用戶端的訪問資訊後，從記憶記錄中獲取與該訪問資訊關聯的各類關聯資訊，獲取該各類關聯資訊中含有至少兩類關聯資訊的關聯資訊組合的出現屬性，分別根據每一種關聯資訊組合的出現屬性計算該種關聯資訊組合與該訪問資訊的關聯度，將滿足條件的關聯度對應的關聯資訊組合推薦給用戶端，並且能根據用戶端的用戶資訊進行二次挖掘，這樣能夠為用戶推薦最適合的資訊，根據用戶的任一輸入，輸出不同的推薦結果，輸入可以是一群人、一個圈子、一件商品、一個blog、一個帖子、一個產品描述或一個資訊等，輸出結果可以是一群人、一個圈子、一件商品、一個blog、一個帖子、一個產品描述或一個資訊等的任意組合，能夠覆蓋網際網路上所有的實體，從而實現各種資訊流之間的交互和個性化推薦，提高了推薦的精確度和推薦資訊的覆蓋面，這樣也就提高網站的銷售額和流覽量。

雖然通過實施例描繪了本發明，但本領域普通技術人員知道，在不脫離本發明的精神和實質的情況下，就可使本發明有許多變形和變化，本發明的範圍由所附的權利要求來限定。

圖1是本發明實施例資訊推薦的方法的流程圖；

圖2是本發明實施例資訊推薦的方法的具體流程圖；

圖3是本發明實施例資訊推薦的裝置結構圖。

Claims (19)

1. 一種資訊推薦的方法，其特徵在於包括：獲得用戶端的訪問資訊後，從記憶記錄中獲得與該訪問資訊關聯的各類關聯資訊；獲得該各類關聯資訊中含有至少兩類關聯資訊的關聯資訊組合的出現屬性，分別根據每一種關聯資訊組合的出現屬性計算該關聯資訊組合與該訪問資訊的關聯度；選擇滿足條件的關聯度對應的關聯資訊組合，將該關聯資訊組合推薦給該用戶端。
2. 如申請專利範圍第1項的方法，其中該訪問資訊包括：商品資訊、部落格資訊、社群資訊、貼文資訊、產品資訊、資訊信息、關鍵字資訊和廣告資訊中的一個或多個。
3. 如申請專利範圍第1項的方法，其中該獲得各類關聯資訊中含有至少兩類關聯資訊的關聯資訊組合的出現屬性包括：根據用戶端的應用場景在該各類關聯資訊中選擇含有至少兩類關聯資訊的關聯資訊組合；統計每一種關聯資訊組合的出現屬性。
4. 如申請專利範圍第1至3項中任一項的方法，其中該出現屬性包括：出現次數、出現時間和出現平臺中的一個或多個。
5. 如申請專利範圍第1項的方法，其中該從記憶記錄 中獲得與該訪問資訊關聯的各類關聯資訊的方法包括：從記憶記錄中獲取使用過該訪問資訊的其他用戶端；從該記憶記錄中獲取該其他用戶端使用過的各類資訊。
6. 如申請專利範圍第1項的方法，其中該根據每一種關聯資訊組合的出現屬性計算該關聯資訊組合與該訪問資訊的關聯度之前，還包括：獲得本地用戶端的用戶資訊和使用過該訪問資訊的用戶端的用戶資訊；則該根據每一種關聯資訊組合的出現屬性計算該種關聯資訊組合與該訪問資訊的關聯度還包括：根據該本地用戶端的用戶資訊和使用過該訪問資訊的用戶端的用戶資訊給該每一種關聯資訊組合的出現屬性設置權重係數；根據該每一種關聯資訊組合的出現屬性以及對應的權重係數計算該關聯資訊組合與該訪問資訊的關聯度。
7. 如申請專利範圍第6項的方法，其中該用戶資訊包括：用戶年齡資訊、用戶學歷資訊、用戶職業資訊和用戶家庭結構資訊中的一種或多種。
8. 如申請專利範圍第1項的方法，其中該選擇滿足條件的關聯度對應的關聯資訊組合包括：按照該關聯度進行排序，選擇排序較高的關聯度對應的關聯資訊組合；或 將該關聯度與設定值進行比較，當該關聯度超過設定值時，選擇該關聯度對應的關聯資訊組合。
9. 如申請專利範圍第1項的方法，其中該方法還包括：將該關聯資訊組合轉換為該關聯資訊組合對應要求的超文本格式；將該超文本格式發送給該用戶端。
10. 如申請專利範圍第1項的方法，其中該將關聯資訊組合推薦給該用戶端之後，還包括：該用戶端展示接收到的該關聯資訊組合。
11. 一種資訊推薦的裝置，其特徵在於包括：獲取單元，用於獲得用戶端的訪問資訊後，從記憶記錄中獲得與該訪問資訊關聯的各類關聯資訊；計算單元，用於獲得該各類關聯資訊中含有至少兩類關聯資訊的關聯資訊組合的出現屬性，分別根據每一種關聯資訊組合的出現屬性計算該關聯資訊組合與該訪問資訊的關聯度；推薦單元，用於選擇滿足條件的關聯度對應的關聯資訊組合，將該關聯資訊組合推薦給該用戶端。
12. 如申請專利範圍第11項的裝置，其中該裝置還包括：記憶單元，用於記憶用戶端、以及每一個用戶端使用過的各類資訊。
13. 如申請專利範圍第11項的裝置，其中該獲取單元 包括：第一獲取子單元，用於從記憶記錄中獲取使用過該訪問資訊的其他用戶端；第二獲取子單元，用於從該記憶記錄中獲取該其他用戶端使用過的各類資訊。
14. 如申請專利範圍第11項的裝置，其中該計算單元包括：選擇子單元，用於根據用戶端的應用場景在該各類關聯資訊中選擇含有至少兩類關聯資訊的關聯資訊組合；統計子單元，用於統計每一種關聯資訊組合的出現屬性。
15. 如申請專利範圍第11項的裝置，其中該裝置還包括：用戶資訊單元，用於獲得本地用戶端的用戶資訊和使用過該訪問資訊的用戶端的用戶資訊；則該計算單元還包括：保存子單元，用於保存根據該本地用戶端的用戶資訊和該使用過該訪問資訊的用戶端的用戶資訊給每一種關聯資訊組合的出現屬性設置的權重係數；計算子單元，用於根據該每一種關聯資訊組合的出現屬性以及對應的權重係數計算該關聯資訊組合與該訪問資訊的關聯度。
16. 如申請專利範圍第11項的裝置，其中該推薦單元包括： 第一選擇子單元，按照該關聯度進行排序，選擇排序較高的關聯度對應的關聯資訊組合。
17. 如申請專利範圍第11項的裝置，其中該推薦單元還包括：第二選擇子單元，用於將該關聯度與設定值進行比較，當該關聯度超過設定值時，選擇該關聯度對應的關聯資訊組合。
18. 如申請專利範圍第11項的裝置，其中該裝置還包括：轉換單元，用於將該關聯資訊組合轉換為該關聯資訊組合對應要求的超文本格式；發送單元，用於將該超文本格式發送給該用戶端。
19. 一種資訊推薦的伺服器，其特徵在於包括：如申請專利範圍第11至18項中任一項的裝置。