[发明专利]确定信息关联度、信息推荐的方法、装置和存储介质

说明书

本发明公开了一种确定信息关联度、信息推荐的方法、装置和存储介质。该方法包括：采集历史用户针对源信息和关联信息的行为特征数据；根据历史用户对关联信息是否具有行为特征数据，将历史用户进行分组，得到至少两个用户组；根据用户组对源信息是否具有行为特征数据，将用户组进行分类，得到至少两个用户类；基于各个用户类中用户的数量，确定源信息和关联信息的关联度。由此，本发明实施例不仅计算简单、直观，还提升了信息推荐的精确度。

技术领域

本发明涉及计算机网络技术领域，尤其涉及一种确定信息关联度的方法、确定信息关联度的装置、信息推荐的方法、信息推荐的装置和存储介质。

背景技术

随着计算机网络技术的快速发展，网络信息，例如网站商品信息，随之急速增多。当人们浏览网页时，面对海量的信息，人们往往无法选择合适的信息。尤其是用户在网站购买商品的场景中，由于没有收到合适的信息指导，用户需要花费大量时间才能找到合适商品，导致用户体验较差。此时，如果网站能够及时向用户推荐准确的信息，会改善用户体验。现有的信息推荐方法主要是基于协同过滤(Collaborative Filtering，CF)思想的商品到商品(item to item，I2I)的推荐算法。

申请人经研究发现：利用现有的推荐方法不仅算法复杂度较高、推荐耗时、计算开销较大，而且通常会倾向推荐热门商品，马太效应明显，导致推荐精度较低。

如何降低推荐算法的复杂度并提高推荐信息的精确度，成为业界亟待解决的技术问题。

发明内容

为了解决推荐算法的复杂度高和推荐信息的精确度低的问题，本发明实施例提供了一种确定信息关联度的方法、确定信息关联度的装置、信息推荐的方法、信息推荐的装置和存储介质。

第一方面，提供了一种确定信息关联度的方法。该方法包括以下步骤：

采集历史用户针对源信息和关联信息的行为特征数据；

根据所述历史用户对所述关联信息是否具有所述行为特征数据，将所述历史用户进行分组，得到至少两个用户组；

根据所述用户组对所述源信息是否具有所述行为特征数据，将所述用户组进行分类，得到至少两个用户类；

基于各个所述用户类中用户的数量，确定所述源信息和所述关联信息的关联度。

第二方面，提供了一种信息推荐的方法。该方法包括以下步骤：

采集历史用户针对源信息和关联信息的行为特征数据；

根据所述历史用户对所述关联信息是否具有所述行为特征数据，将所述历史用户进行分组，得到至少两个用户组；

根据所述用户组对所述源信息是否具有所述行为特征数据，将所述用户组进行分类，得到至少两个用户类；

基于各个所述用户类中用户的数量，确定所述源信息和所述关联信息的关联度；

获取所述源信息和所述关联信息的关联度；

当目标用户对所述源信息具有所述行为特征数据时，根据所述关联度，从所述关联信息中选取与所述源信息关联紧密的目标信息并推荐给所述目标用户。

第三方面，提供了一种确定信息关联度的装置。该装置包括：数据采集器、用户分组器、用户分类器、关联度计算器。数据采集器和用户分类器分别与用户分组器耦合，用户分类器和关联度计算器耦合，其中：

数据采集器，用于采集历史用户针对源信息和关联信息的行为特征数据；

用户分组器，用于根据历史用户对关联信息是否具有行为特征数据，将历史用户进行分组，得到至少两个用户组；

用户分类器，用于根据用户组对源信息是否具有行为特征数据，将用户组进行分类，得到至少两个用户类；