[发明专利]基于用户个性化需求的推送方法

说明书

本发明涉及一种基于用户个性化需求的推送方法，包括首先在服务端中构建用户兴趣模型；然后根据所述的用户兴趣模型，向客户端返回对应的推送结果；其中，所述的用户兴趣模型为根据当前用户兴趣特征集在所述的服务端中创建，且所述的用户兴趣模型还包括用户标识，所述的用户标识与所述的当前用户兴趣特征集相对应。采用了该发明中的基于用户个性化需求的推送方法，实现用户在无需刻意操作前提下的个性化推送，具有更广泛的应用范围。

技术领域

本发明涉及计算机技术领域，尤其涉及推送技术领域，具体是指一种基于用户个性化需求的推送方法。

背景技术

目前，人们常常利用搜索引擎输入关键字后搜索信息的方式来获取网络信息，但是，这种基于关键字查询的方式命中率低，且其难以满足不同目的、不同背景和不同时期的查询请求，同时在多个数据库中分别搜索资料、跟踪文献，已经变成一件非常繁琐的事情。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种能够实现个性化推送的基于用户个性化需求的推送方法。

为了实现上述目的，本发明的基于用户个性化需求的推送方法具有如下构成：

该基于用户个性化需求的推送方法，其主要特点是，所述的方法包括以下步骤：

(1)在服务端中构建用户兴趣模型；

(2)根据所述的用户兴趣模型，向客户端返回对应的推送结果；

所述的用户兴趣模型为根据当前用户兴趣特征集在所述的服务端中创建，且所述的用户兴趣模型还包括用户标识，所述的用户标识与所述的当前用户兴趣特征集相对应。

该基于用户个性化需求的推送方法中，

所述的当前用户兴趣特征集是由用户个性化手动归类的特征词子集以及前期用户兴趣模型学习后的特征词子集构成的集合。

该基于用户个性化需求的推送方法的用户兴趣特征集在初始化时，特征词子集为一个空集。

该基于用户个性化需求的推送方法的用户个性化手动归类的特征词子集具备用户个性化类目中父子关系的等级体系。

该基于用户个性化需求的推送方法中，用户个性化手动归类的特征词子集为由用户个性化手动归类的特征词和所述用户个性化手动归类的特征词的权重构成的二元组集，所述的前期用户兴趣模型学习后的特征词子集为由前期用户兴趣模型学习后的特征词和前期用户兴趣模型学习后的特征词的权重构成的二元组集。

该基于用户个性化需求的推送方法中，所述用户个性化手动归类的特征词的权重以及前期用户兴趣模型学习后的特征词的默认权重均为1。

该基于用户个性化需求的推送方法中，所述的用户个性化手动归类的特征词子集所对应的父类特征词的权重由以下公式计算得到：

其中，f(t)为所述的用户个性化手动归类的特征词子集所对应的父类特征词的权重，c为默认为1的经验值，l的取值为0、1或2。

采用了该发明中的基于用户个性化需求的推送方法，具有以下有益效果：

(1)不需要预先设定用户兴趣数据，没有冷开始问题和稀疏问题；

(2)能为具有特殊兴趣偏好的用户进行推荐；

(3)通过列出读者阅读历史数据、用户兴趣模型、待推荐的文献的内容特征，可以解释为什么推荐那些文献。

附图说明

图1为本发明的基于用户个性化需求的推送方法的应用示意图。

具体实施方式