[发明专利]数据推荐方法及系统

说明书

技术领域

本发明涉及一种数据推荐方法及系统。

背景技术

数据的个性化推荐如视频网站的个性化推荐往往是根据用户与数据如视频的交互行为，向用户推荐用户感兴趣的数据如视频。

然而，对于新用户在没有任何的点击、观看或者互动行为的情况下，如何对这些新用户进行个性化推荐是个很大的问题。针对这些新用户，现有技术仅是从数据库中选取热门数据向其推荐，但是这种推荐方法实现不了个性化推荐的目的。因此，目前亟需一种针对新用户的个性化推荐方法及系统。

发明内容

本发明的目的在于提供一种数据推荐方法及系统，能够充分利用用户的特征和待推荐数据所携带的特征因子对新用户进行个性化推荐，而且特征因子比较容易扩展，可以根据新的特征因子快速训练出新的权重因子。

为解决上述问题，本发明提供一种数据推荐方法，包括：

将所有用户的特征和第一待推荐数据的编号作为特征因子训练所有用户的权重因子；

从第一待推荐数据中获取第二待推荐数据，并根据所述权重因子、请求推荐的用户的特征和第二待推荐数据的编号获取所述第二待推荐数据相对于请求推荐的用户的预测点击率；

对所述预测点击率从大到小排序，获取预测点击率最大的前K个第二待推荐数据推荐至所述请求推荐的用户，其中K为正整数。

进一步的，在上述方法中，所述权重因子的数量=1+所有用户的特征的数量×待推荐数据的数量。

进一步的，在上述方法中，根据下述公式训练所有用户的权重因子：

Z=W0+ΣM×N(WM×N×FM×N)]]>

其中，Z代表用户对某一第一待推荐数据的点击情况，点击时Z为1，未点击时Z为0，W₀和W_M×N代表所述权重因子，F_M×N代表特征因子即某一用户的特征下某一第一待推荐数据的展示情况，展示时F_M×N为1，未展示时F_M×N为0，M为用户的特征的数量，N为第一待推荐数据的数量。

进一步的，在上述方法中，根据下述公式获取第二待推荐数据相对于请求推荐的用户的预测点击率：

P=11+e-(W0+ΣM×N(WM×N×FM×N)]]>