[发明专利]基于群体口味的资讯推荐方法、系统、设备和计算机可读存储介质

说明书

本发明提供了一种基于群体口味的资讯推荐方法、系统、设备和计算机可读存储介质。该种资讯推荐方法能够根据用户的历史资讯浏览信息寻找到与用户口味相近的用户群体，再将推荐给当前用户群体的信息推荐给用户，从而在保障了资讯推荐的准确性的同时，大幅度提升了推荐资讯的新鲜度、广度和深度，有助于提升用户的资讯推荐体验，具有可推广价值。

技术领域

本发明涉及大数据分析技术领域，具体地，公开了一种基于群体口味的资讯推荐方法、系统、设备和计算机可读存储介质。

背景技术

随着互联网的快速发展，用户每天接收到的资讯开始膨胀。目前，市面上流行的推荐算法往往都是根据个人的历史资讯查阅情况进行相关内容的推荐：当用户点击查看了一条资讯信息，或是点赞关注了一条资讯信息，就会给用户推送同质同类的资讯。

然而，一千个人眼中有一千个哈姆雷特，不同的人对于一条资讯的点赞很可能是处于完全不同的观察角度。一个大学教授点赞一个资讯和一个小学生点赞同一个资讯可能是出于完全不同的看法或是理由。当前的推荐算法智能粗略地根据资讯内容所述的内容类别进行资讯归类而后再去进行同类资讯的推荐，容易造成大量的同质内容的重复推送，同时也容易形成信息茧房，使得用户接收到的资讯信息越来越狭窄，大幅削弱了用户的资讯获取体验。

发明内容

为了解决现有技术中存在的上述问题，本发明提供一种基于群体口味的资讯推荐方法、系统、设备及计算机可读存储介质。

在本申请的第一方面提供了一种基于群体口味的资讯推荐方法，具体包括如下步骤：

根据用户的历史资讯访问记录，获取每个用户对应的资讯偏好信息；

根据资讯偏好信息，获取每个用户对应的偏好相近的第一用户群体；

于全体用户中任意选取一第二用户群体，并向第二用户群体推荐新发布资讯；

根据第二用户群体对新发布资讯的反馈情况，判断新发布资讯是否具有推荐价值；

在新发布资讯具有推荐价值的情况下，根据第二用户群体对新发布资讯的反馈情况，获取每个用户对新发布资讯的期望推荐分值；

选择期望推荐分值高于第一预设阈值的用户推荐新发布资讯。

在上述第一方面的一种可能的实现中，历史资讯访问记录包括用户对于全部历史资讯的操作行为记录；

操作行为记录包括对历史资讯的搜索操作、浏览操作、阅读操作、点赞操作、关注操作、打赏操作、评论操作和评分操作；

不同的操作行为记录对应不同的偏好得分，资讯偏好信息包括用户对若干历史资讯的偏好得分集合。

在上述第一方面的一种可能的实现中，用户对未接触历史资讯的偏好得分低于用户对已接触历史资讯的偏好得分。

在上述第一方面的一种可能的实现中，在根据资讯偏好信息获取每个用户对应的第一用户群体的过程中，还包括：

获取资讯偏好信息对应的资讯偏好向量；

针对当前用户，依次与剩余的全体用户进行资讯偏好向量的标准方差值计算；

将标准方差值小于第二预设阈值的用户作为当前用户对应的第一用户群体。

在上述第一方面的一种可能的实现中，在根据第二用户群体对新发布资讯的反馈情况判断新发布资讯是否具有推荐价值的过程中，还包括：

获取第二用户群体中每个用户对新发布资讯的偏好得分；

获取偏好得分大于第三预设阈值的用户数；

判断用户数是否大于第四预设阈值，若是则说明新发布资讯具有推荐价值；若否则说明新发布资讯不具有推荐价值。