[发明专利]一种实现信息推荐的方法及系统

权利要求书

1.一种实现信息推荐的方法，其特征在于，所述方法包括：

当接收到客户端发送来的推荐请求时，根据用户当前正在浏览的信息和信息相似度模型生成相关推荐列表，其中，信息相似度模型是后台服务根据用户浏览过的信息按预设的周期离线计算出来的信息相似度矩阵；

根据行为数据统计模型生成非个性化推荐列表，其中，行为数据统计模型是后台服务根据用户对信息的行为按预设的周期离线统计出来的行为数据；

根据信息相似度模型、行为数据统计模型及用户兴趣模型生成个性化推荐列表，其中，用户兴趣模型是后台服务根据用户对信息的行为数据分析提取出来的行为特征向量；

根据生成的相关推荐列表、个性化推荐列表及非个性化推荐列表生成综合推荐列表；

将生成的综合推荐列表作为推荐结果返回给客户端。

2.如权利要求1所述的方法，其特征在于，所述信息相似度矩阵包括第一信息相似度矩阵以及第二信息相似度矩阵；在接收到客户端发送来的推荐请求之前，还包括：

读取用户行为数据库中用户对信息的行为数据；

对行为数据进行预处理，并将预处理后的每条行为数据转换成协同过滤算法所支持的数据格式；

根据转换后的行为数据调用协同过滤算法进行计算得到第一信息相似度矩阵；

读取信息数据库中的信息数据；

对信息数据进行预处理，并将预处理后的每条信息数据转换成基于内容的相似度计算算法所支持的数据格式；

从转换后的所有信息数据中提取每个信息的信息特征，并根据信息特征计算信息特征的权重，以及根据信息特征和信息特征的权重计算出第二信息相似度矩阵；

将第一信息相似度矩阵和第二信息相似度矩阵进行线性组合相加，得到信息相似度模型，并将其保存到信息模型数据库中。

3.如权利要求1所述的方法，其特征在于，在接收到客户端发送来的推荐请求之前，还包括：

读取用户行为数据库中用户对信息的行为数据；

对行为数据进行预处理，统计预处理后的行为数据，并把统计得到的行为数据统计模型存到行为数据统计模型数据库中。

4.如权利要求1所述的方法，其特征在于，在接收到客户端发送来的推荐请求之前，还包括：

读取用户行为数据库中用户对信息的行为数据；

对用户行为数据预处理，并从预处理后的行为数据中分析提取行为特征向量，得到用户兴趣模型。

5.如权利要求1所述的方法，其特征在于，所述根据生成的相关推荐列表、个性化推荐列表及非个性化推荐列表生成综合推荐列表的步骤还进一步包括：

根据用户的反馈信息调整所述相关推荐列表、个性化推荐列表及非个性化推荐列表的组合比例，以得到最终的综合推荐列表。

6.一种实现信息推荐的系统，其特征在于，所述系统包括：

第一推荐列表生成模块，用于当接收到客户端发送来的推荐请求时，根据用户当前正在浏览的信息和信息相似度模型生成相关推荐列表，其中，信息相似度模型是后台服务根据用户浏览过的信息按预设的周期离线计算出来的信息相似度矩阵；

第二推荐列表生成模块，用于根据行为数据统计模型生成非个性化推荐列表，其中，行为数据统计模型是后台服务根据用户对信息的行为按预设的周期离线统计出来的行为数据；

第三推荐列表生成模块，用于根据信息相似度模型、行为数据统计模型及用户兴趣模型生成个性化推荐列表，其中，用户兴趣模型是后台服务根据用户对信息的行为数据分析提取出来的行为特征向量；

综合推荐列表生成模块，根据生成的相关推荐列表、个性化推荐列表及非个性化推荐列表生成综合推荐列表；

推荐结果返回模块，用于将生成的综合推荐列表作为推荐结果返回给客户端。