[发明专利]一种实时推送信息的方法和装置

说明书

本发明公开了一种实时推送信息的方法和装置，该方法包括：通过发布订阅消息系统实时接收用户的当前行为数据，并将当前行为数据保存在数据库中；从数据库中获取最接近当前行为数据发生时刻前的N个历史行为数据，并确定N个历史行为数据对应的N个项目Item，其中，N为正整数；根据Item倒查表分别计算N个Item中每个Item与当前行为数据对应的Item的相似度，并根据相似度更新存储在数据库中的相似度矩阵。本发明整个过程采取根据实时历史行为数据进行计算，实效性强，推送结果较为符合用户的意愿，用户体验较好，解决了现有技术的如下问题：基于离线模型进行推荐时，无法实现真正的实时个性化推荐，系统性能较差。

技术领域

本发明涉及通讯领域，特别是涉及一种实时推送信息的方法和装置。

背景技术

现有技术中，很多系统都实现了个性化推荐功能，但由于数据量比较大，推荐结果是由离线计算出来的，要定期的更新推荐模型，很多系统最快的也只能做到小时级的更新，而且，有很大部分的推荐是依赖于搜索，然而，这些推荐结果没有考虑到用户的实时性行为，失去了用户兴趣的时效性，以至于推荐结果不准确。例如，为某一用户推荐的是A区的400～500万的房源，然而，该用户搜索的是B区房源，即希望看到的是B区200～300万的房源。

因此，基于离线模型且脱离了实时搜索进行的推荐，推荐速度较慢，也无法实现真正的实时个性化推荐，系统性能较差，用户体验较低。

发明内容

本发明提供一种实时推送信息的方法和装置，用以解决现有技术的如下问题：基于离线模型且脱离了实时搜索进行的推荐，推荐速度较慢，也无法实现真正的实时个性化推荐，系统性能较差，用户体验较低。

为解决上述技术问题，一方面，本发明提供一种实时推送信息的方法，包括：通过发布订阅消息系统实时接收用户的当前行为数据，并将所述当前行为数据保存在数据库中；从所述数据库中获取最接近所述当前行为数据发生时刻前的N个历史行为数据，并确定所述N个历史行为数据对应的N个项目Item，其中，所述N为正整数；根据Item倒查表分别计算所述N个Item中每个Item与所述当前行为数据对应的Item的相似度，并根据所述相似度更新存储在所述数据库中的相似度矩阵。

可选的，根据Item倒查表分别计算所述N个Item中每个Item与所述当前行为数据对应的Item的相似度，包括：从所述数据库中获取每个所述Item的倒查表，其中，所述倒查表至少包括以下信息之一：发生时间，所处类别，搜索字段，用户年龄，搜索地域；根据所述倒查表和相似度公式计算每个所述Item与所述当前行为数据对应的Item的相似度。

可选的，根据所述相似度更新存储在所述数据库中的相似度矩阵之后，还包括：更新所述当前行为数据对应的Item的倒查表并存储在所述数据库中。

可选的，根据所述相似度更新存储在所述数据库中的相似度矩阵之后，还包括：根据用户的M个历史行为数据查询所述数据库，以根据所述相似度矩阵确定所述M个历史行为数据对应Item的P个待推荐Item；按照预设筛选条件从所述P个待推荐的Item中选择Q个Item推荐至所述用户；其中，所述M、P、Q均为正整数，P大于等于Q。

可选的，按照预设筛选条件从所述P个待推荐的Item中选择Q个Item推荐至所述用户，包括：在所述预设筛选条件为多个的情况下，分别按照每个所述预设筛选条件从所述P个待推荐的Item中选择Q个Item，以得到多组推荐Item；按照所述预设筛选条件的优先级由高到低的顺序依次推荐每组Item至所述用户。