[发明专利]一种社交媒体中的信息推荐方法和装置

说明书

【技术领域】

本发明涉及计算机应用技术领域，特别涉及一种社交媒体中的信息推荐方法和装置。

【背景技术】

随着网络技术的不断发展，互联网上的信息总量正以每年50%的增速不断膨胀，近几年产生的数据中，有约80%的数据是个人用户产生的，特别是由社交媒体类型的网站或应用。例如每个月Facebook上分享30亿条内容，每天12TB的Twitter信息。并且，随着移动终端的普及，这种爆炸性的趋势并没有缓解的趋势，新浪微博截止到2012年12月底，注册用户已经超过5亿，日活跃用户为4629万，活跃用户中有75%用户使用移动客户端，全年活跃用户占比稳定在9-10%。

然而信息爆炸的另一面则是垃圾信息的泛滥，为了缓解信息爆炸带来的垃圾信息泛滥的问题，各类信息推荐系统应运而生，目前主要的推荐技术主要有协同过滤和谱分析等。其中协同过滤是基于内容的推荐方法，谱分析是基于扩散的推荐方法，但用于社交媒体时都存在不足，具体表现在：

由于社交媒体中信息数量过于庞大，不能对每一条信息都打上标签，而现有的推荐技术主要基于信息标签实现的推荐，并且社交媒体中信息的时效性较强，这就可能造成很多对用户有价值的信息很少被人转发、评论甚至阅读过，推荐效果较差。

【发明内容】

有鉴于此，本发明提供了一种社交媒体中的信息推荐方法和装置，以提高信息推荐的效果。

具体技术方案如下：

第一方面，本发明实施例提供了一种社交媒体中的信息推荐方法，该方法包括：

线下流程：

S11、从目标用户在社交媒体的历史操作信息中确定目标用户的兴趣点；

S12、从所述兴趣点相关的优质用户在社交媒体的历史操作信息中选择与所述兴趣点相关的信息作为已标注的语料；

S13、将所述已标注的语料作为训练样本训练目标用户的兴趣分类模型；

线上流程：

S21、获取社交媒体的待推荐信息；

S22、将所述待推荐信息输入目标用户的兴趣分类模型，以确定所述待推荐信息是否符合目标用户的兴趣；

S23、若符合目标用户的兴趣，则将所述待推荐信息推荐给目标用户。

在第一方面的第一种可能的实现方式中，所述历史操作信息包括以下信息中的至少一种：

发表的信息、收藏的信息、转发的信息、评论的信息以及标注的标签。

结合第一方面的第一种可能的实现方式，所述步骤S11包括：

利用目标用户在社交媒体中标注的标签确定用户的兴趣点；或者，

将目标用户发表的信息、收藏的信息、转发的信息和评论的信息中的至少一种分别进行分词和去除停用词的处理后，对得到的词语进行语义聚类，利用聚类结果确定目标用户的兴趣点。

在第一方面的第二种可能的实现方式中，所述兴趣点相关的优质用户的确定方法包括：

从预先确定的与所述兴趣点相关的种子用户存在关联关系的用户中选择评分满足预设要求的用户作为优质用户，所述评分由以下因素中的一种或任意组合确定：用户发表、转发或自我描述的信息在内容上与所述兴趣点的匹配程度、用户的活跃度、用户的影响力以及用户信息的传播范围。

结合第一方面或者第一方面的第二种可能的实现方式，所述步骤S12具体包括：

计算所述兴趣点对应的优质用户的历史操作信息中各信息与所述兴趣点之间的语义相似度，选择语义相似度满足预设相似度要求的信息作为所述兴趣点相关的信息。

在第一方面的第三种可能的实现方式中，在所述步骤S13中训练兴趣分类模型时，采用的特征包括信息中的关键词，或者进一步包括信息发布者、信息发布者所关注的人和粉丝、信息评论数、信息转发数、信息收藏数中的一种或任意组合。

在第一方面的第四种可能的实现方式中，所述待推荐信息为实时信息、通知信息或推广信息。

第二方面，本发明实施例提供了一种社交媒体中的信息推荐装置，该装置包括：线下建模单元和线上推荐单元；

所述线下建模单元包括：

兴趣点确定子单元，用于从目标用户在社交媒体的历史操作信息中确定目标用户的兴趣点；

语料选择子单元，用于从所述兴趣点相关的优质用户在社交媒体的历史操作信息中选择与所述兴趣点相关的信息作为已标注的语料；

模型训练子单元，用于将所述已标注的语料作为训练样本训练目标用户的兴趣分类模型；

所述线上推荐单元包括：

信息获取子单元，用于获取社交媒体的待推荐信息；