[发明专利]一种实现信息推荐的方法及系统

说明书

技术领域

本发明涉及信息处理领域，特别涉及一种实现信息推荐的方法及系统。

背景技术

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载（Information overload）的时代。众所周知，为了解决信息过载问题，已经有无数科学家和工程师提出了很多天才的解决方案，其中代表性的解决方案是分类目录和搜索引擎。搜索引擎可以让用户通过搜索关键词找到自己需要的信息。但是，搜索引擎需要用户主动提供准确的关键词来找信息，因此不能解决用户的很多其他需求，比如当用户无法找到准确描述自己需求的关键词时，搜索引擎就无能为力了。和搜索引擎一样，推荐系统也是一直帮助用户快速发现有用信息的途径。然而，现在的推荐系统基本上只根据用户的历史行为给用户推荐可能感兴趣的信息，考虑的因素少，推荐的信息比较单一，推荐结果难以使用户满意，不能很好的满足用户的需求。

发明内容

为了解决现有技术中推荐系统存在的考虑因素少、推荐信息单一的问题，本发明实施例提供了一种实现信息推荐的方法及系统。所述技术方案如下：

一方面，一种实现信息推荐的方法，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。

另一方面，一种实现信息推荐的系统，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。

本发明实施例提供的技术方案带来的有益效果是：

本发明实施例提供的一种实现推荐信息的方法及系统，通过根据用户当前正在浏览的信息和离线计算生成的信息相似度模型、行为数据统计模型以及用户兴趣模型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得到综合推荐列表，并对用户反馈信息进行分析，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，准确了解用户行为，预测用户会对什么样的推荐结果比较感兴趣，不断调整推荐策略使推荐结果更好的满足用户需求。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中附图中的菱形框代表数据，方框代表操作；

图1是本发明一种实现信息推荐的方法较佳实施例提供的流程示意图；

图2是图1所示步骤S10之前进一步包括的流程示意图；

图3为本发明一种实现信息推荐的系统较佳实施例提供的方框示意图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例一

本发明实施例一提供一种实现信息推荐的方法，如图1所示，该方法包括：