[发明专利]群组推荐方法、存储介质和服务器

说明书

本发明提供一种群组推荐方法、存储介质和服务器，包括步骤：收集用户访问群组的行为数据；根据所述行为数据，得到所述用户的特征向量；根据同一群组内各用户的特征向量，得到该群组的整体特征向量；计算所述用户的特征向量与各群组的整体特征向量的距离，得到所述用户与群组的距离的映射列表；根据所述映射列表，得到向所述用户推荐的群组列表。该技术方案极大地提升了群组内容的个性化推荐效率与精准度。

技术领域

本发明涉及计算机技术领域，具体而言，本发明涉及一种群组推荐方法、存储介质和服务器。

背景技术

随着互联网技术的快速发展，越来越多的用户选择通过各种内容平台获取信息，而由于目前社会发展形式下，不仅推送信息的内容平台多，各内容平台推荐的信息也因为多而呈现杂乱的现象，致使用户通过各种内容平台获取的常常是海量的信息，并且不断浏览的过程中耗费了大量的时间与精力。由于在上述现象下，用户在内容平台中筛选信息的使用成本过高，容易导致用户的流失。

为解决上述问题，现有技术中，很多内容平台通过大数据、机器学习等，通过获取用户行为数据对其进行“千人千面”的个性化内容推荐。但是，基于群组内容推荐时，此种解决方式仍然停留在用户特征与群组名称或内容的匹配上，针对用户个人而言，该推荐群组的内容仍然过于表层，且无法适应用户个人而形成匹配度高的个性化推荐。

发明内容

本发明提出一种群组推荐方法、存储介质和服务器，用以实现满足用户深层次群组推荐需求的更高效、更精准的个性化推荐。

第一方面，本发明提供一种群组推荐方法，包括步骤：

收集用户访问群组的行为数据；

根据所述行为数据，得到所述用户的特征向量；

根据同一群组内各用户的特征向量，得到该群组的整体特征向量；

计算所述用户的特征向量与各群组的整体特征向量的距离，得到所述用户与群组的距离的映射列表；

根据所述映射列表，得到向所述用户推荐的群组列表。

结合第一方面，本发明第一方面的第一种实施方式中，所述用户访问群组的行为数据包括：用户有效访问群组的群组内容的分词及其频次计数累加值。

结合第一方面的第一种实施方式，本发明第一方面的第二种实施方式中，所述用户有效访问群组为用户访问时长超过预设阈值的群组；所述群组内容包括标题、正文。

结合第一方面的第一种实施方式，本发明第一方面的第三种实施方式中，所述根据所述行为数据，得到所述用户的特征向量，包括步骤：

按预设分类规则，对所述分词进行归类，每个类别对应一个标签；

统计同一标签内，预设时间段内所有分词的频次计数累加值的总和，得到该标签的频次特征向量；

对各标签的频次特征向量进行归一化计算，得到所述用户的特征向量。

结合第一方面，本发明第一方面的第四种实施方式中，所述根据同一群组内各用户的特征向量，得到该群组的整体特征向量，包括步骤：

获取同一群组内各用户的特征向量，将各用户的特征向量相加后除以所述同一群组内的用户数量，得到该群组的整体特征向量。

结合第一方面，本发明第一方面的第五种实施方式中，所述计算所述用户的特征向量与各群组的整体特征向量的距离，包括步骤：

通过向量距离算法，计算所述用户的特征向量与各群组的整体特征向量的距离。

结合第一方面，本发明第一方面的第六种实施方式中，所述根据所述映射列表，得到向所述用户推荐的群组列表，包括步骤：