[发明专利]向用户推荐数字内容的方法及装置

权利要求书

1.一种向用户推荐数字内容的方法，其特征在于，包括：

根据用户偏好量化获得用户偏好向量；

根据数字内容的用户特征量化得到内容适配向量；

根据用户偏好向量和内容适配向量之间的相关程度向用户推荐数字内容。

2.如权利要求1所述的方法，其特征在于，所述用户偏好向量的维度包括年龄、性别、职业、学历、爱好中的至少一种；

所述内容适配向量的维度包括年龄、性别、职业、学历、爱好中的至少一种。

3.如权利要求2所述的方法，其特征在于，所述根据用户偏好向量和内容适配向量之间的相关程度向用户推荐数字内容包括：

通过相关系数匹配算法计算内容适配向量和用户偏好向量之间对应维度的相关系数，得到各数字内容适配用户的相关系数向量；

确定所述各数字内容适配用户的相关系数向量各分量的积分和的排序，向用户进行数字内容推荐。

4.如权利要求1或2所述的方法，其特征在于，还包括根据用户的历史访问内容的内容适配向量，对所述用户偏好向量进行定期修正的步骤。

5.如权利要求4所述的方法，其特征在于，根据用户的历史访问内容的内容适配向量对所述用户偏好向量进行修正的过程为：

根据用户的历史访问内容计算内容适配向量，将内容适配向量的每个分量乘以遗忘因子修正后取算术平均值，所述遗忘因子为根据艾宾霍斯遗忘曲线得到的；

将内容适配向量各分量的算术平均值组合并进行归一化处理，利用归一化处理后的内容适配向量对所述用户偏好向量进行修正。

6.如权利要求1或2所述的方法，其特征在于，还包括根据用户的历史访问内容确定出的用户偏好向量，对所述内容适配向量进行定期修正的步骤。

7.如权利要求6所述的方法，其特征在于，根据用户的历史访问内容确定出的用户偏好向量，对所述内容适配向量进行修正的过程为：

根据用户的历史访问内容计算用户偏好向量，将用户偏好向量的每个分量取算术平均值；

将用户偏好向量各分量的算术平均值组合并进行归一化处理，利用归一化处理后的用户偏好向量向量对所述内容适配向量进行修正。

8.一种向用户推荐数字内容的装置，其特征在于，包括：

用户偏好向量确定模块，用于用户偏好量化获得用户偏好向量；

内容适配向量确定模块，用于根据数字内容的用户特征量化得到内容适配向量；

内容推荐模块，用于根据用户偏好向量和内容适配向量之间的相关程度向用户推荐数字内容。

9.如权利要求8所述的装置，其特征在于，所述用户偏好向量的维度包括年龄、性别、职业、学历、爱好中的至少一种；

所述内容适配向量的维度包括年龄、性别、职业、学历、爱好中的至少一种。

10.如权利要求8所述的装置，其特征在于，所述内容推荐模块通过相关系数匹配算法计算内容适配向量和用户偏好向量之间对应维度的相关系数，得到各数字内容适配用户的相关系数向量，根据所述各数字内容适配用户的相关系数向量各分量的积分和的排序，向用户进行数字内容推荐。

11.如权利要求8所述的装置，其特征在于，所述用户偏好向量确定模块还用于根据用户的历史访问内容的内容适配向量，对所述用户偏好向量进行定期修正；

所述内容适配向量确定模块还用于根据用户的历史访问内容确定出的用户偏好向量，对所述内容适配向量进行定期修正。