[发明专利]信息推荐方法

说明书

技术领域

本发明涉及大数据及推荐算法技术领域，尤其涉及一种信息推荐方法。

背景技术

随着互联网技术的飞速发展，用户的行为越来越多样化，也蕴含了越来越重要的信息，因而越来越值得深入挖掘。个性化推荐技术通过研究不同用户的兴趣，主动为用户推荐最需要的资源，从而更好地解决互联网信息日益庞大与用户需求之间的矛盾。目前，推荐技术被广泛应用到电子商务、数字图书馆、新闻网站等系统中。因此，各种适用于推荐系统的技术应运而生，如协同过滤技术(CF)、朴素贝叶斯、聚类分析技术、关联规则技术、神经网络技术和图模型技术等。

基于用户的协同过滤算法通过计算用户对项目评分之间的相似性，搜索目标用户的最近邻，然后根据最近邻的评分向目标用户产生推荐。基于用户的协同过滤推荐算法优势很明显，首先得到的推荐结果是比较精确的，其次所有用户都会从近邻的反馈评价中得到一定的信息，具有角色一致性。但同时该算法也存在着一些不足之处，主要体现在：在用户模型的建立过程中产生的用户对项目的评分矩阵是非常稀疏的，一些新项目加入会造成冷启动问题，在处理一些特殊用户方面也存在着一定的问题，因为特殊人群不能从最近邻中得到很多的推荐信息。

基于项目的协同过滤是根据用户对相似项目的评分数据预测目标项目的评分，它是建立在如下假设基础上的：如果大部分用户对某些项目的打分比较相近，则当前用户对这些项的打分也会比较接近。基于项目的协同过滤算法主要对目标用户所评价的一组项目进行研 究，并计算这些项目与目标项目之间的相似性，按照大小相似对项目进行排序，选择前K个项目作为输出。基于项目的协同过滤推荐算法能得到较高的准确率，算法的效率也是较高的，能够充分挖掘大量的项目之间的相关性，得到较多的信息。然而算法仍面临着评分矩阵稀疏、矩阵的冷启动等问题。

综上，现有的个性化算法仍然存在很多不足之处，例如不能完全适应所有场景，计算过程复杂、计算时间长以及计算成本高等。

发明内容

为解决上述技术问题，本发明提出了一种信息推荐方法，包括：

根据预设时间内当前网站的用户操作历史记录，确定目标用户的推荐备选信息；

其中，所述当前网站的用户操作历史记录包括所述目标用户的操作历史记录；

对所述推荐备选信息依据预设指标进行排序；

根据排序结果确定第一预设数量的待推荐信息；

将所述第一预设数量的待推荐信息推荐给所述目标用户。

可选地，所述用户操作历史记录包括用户在所述网站中的收藏历史记录；

所述根据预设时间内当前网站的用户操作历史记录，确定目标用户的推荐备选信息，包括：

将预设时间内所述目标用户在所述网站中收藏的信息作为所述目标用户的推荐备选信息。

可选地，所述用户操作历史记录包括用户在所述网站中的浏览历史记录；

所述根据预设时间内当前网站的用户操作历史记录，确定目标用户的推荐备选信息，包括：

将预设时间内所述目标用户在所述网站中浏览时间超过预设阈值的信息作为所述目标用户的推荐备选信息。

可选地，所述对所述推荐备选信息依据预设指标进行排序，包括：

统计所述推荐备选信息的分类标识的出现频率，并根据所述出现频率对所述推荐备选信息进行排序；

其中，所述分类标识为用于区分所有信息的词语。

可选地，所述根据排序结果确定第一预设数量的待推荐信息，包括：

根据排序结果将出现频率最高的前若干个分类标识作为关键字通过预设搜索引擎进行搜索，以将搜索出的第一预设数量的信息作为所述待推荐信息。

可选地，所述用户操作历史记录包括用户在所述网站中的交易历史记录；

所述根据预设时间内当前网站的用户操作历史记录，确定目标用户的推荐备选信息，包括：

将预设时间内所述网站的所有用户在交易第一商品的订单中同时交易的第二商品的信息作为推荐备选信息。

可选地，所述对所述推荐备选信息依据预设指标进行排序，包括：

统计所述交易历史记录中的所述第二商品的交易量，并根据所述交易量对所述推荐备选信息进行排序。

可选地，所述根据排序结果确定第一预设数量的待推荐信息，包括：

根据所述排序结果将交易量最高的第一预设数量的所述第二商品的信息作为所述待推荐信息。

可选地，所述根据排序结果确定第一预设数量的待推荐信息，包括：