[发明专利]一种信息的推送方法及装置

说明书

本发明公开了一种信息的推送方法，所述方法包括：根据每个用户的行为获取行为对象的行为信息；根据所述行为信息确定所述行为对象的每个行为的权重值；对所述每个行为的权重值进行排序，生成第一排序结果；确定所述第一排序结果与预设排序结果相同时，根据所述行为对象的每个行为的行为信息及每个行为的权重值确定所述行为对象的推荐优先值和协同过滤推荐优先值；根据所述推荐优先值和所述协同过滤推荐优先值之和对所有行为对象进行排序，生成第二排序结果；根据用户行为的行为信息在所述第二排序结果中获取与所述用户行为匹配的行为对象，将所述匹配的行为对象作为待推荐信息向所述用户输出。本发明还同时公开了一种信息的推送装置。

技术领域

本发明涉及信息推送技术，具体涉及一种信息的推送方法及装置。

背景技术

由于目前被广泛使用的信息推送系统通常采用的是基于内容的推荐算法和协同过滤推荐算法；其中，基于内容的推荐算法是指，通过用户购买过的产品的特征，为用户推荐与其购买过的产品相似的产品，基于内容的推荐算法可以对冷启动问题和新加入的产品问题进行处理，因为它不依赖于用户对产品的评分，所以不会受到打分稀疏性的问题。协同过滤算法则是利用用户对产品评分的矩阵，计算用户或产品之间的相似度，利用相似度较高的邻居用户对其他产品进行评分预测，并根据预测评分的高低为目标用户进行推荐。

但是，基于内容的推荐算法存在的缺陷是，无法处理像图形、视频和音乐这种难以分析提取内容特征的商品。而采用协同过滤算法存在的缺陷是，由于每一个用户购买的产品数量通常不到产品总数的1％，容易造成用户对产品的评分矩阵非常稀疏，从而使得推荐结果不佳。

发明内容

为解决现有存在的技术问题，本发明实施例期望提供一种信息的推送方法及装置，能够提高信息推荐的准确性。

本发明实施例的技术方案是这样实现的：

根据本发明实施例的一方面，提供一种信息的推送方法，所述方法包括：

根据每个用户的行为获取行为对象的行为信息；

根据所述行为信息确定所述行为对象的每个行为的权重值；

对所述每个行为的权重值进行排序，生成第一排序结果；确定所述第一排序结果与预设排序结果相同时，根据所述行为对象的每个行为的行为信息及每个行为的权重值确定所述行为对象的推荐优先值和协同过滤推荐优先值；

根据所述推荐优先值和所述协同过滤推荐优先值之和对所有行为对象进行排序，生成第二排序结果；根据用户行为的行为信息在所述第二排序结果中获取与所述用户行为匹配的行为对象，将所述匹配的行为对象作为待推荐信息向所述用户输出。

上述方案中，在所述将所述匹配的行为对象作为待推荐信息向所述用户输出之前，所述方法还包括：

对所述匹配的行为对象进行类型过滤，得到相同类型的行为对象；

将所述相同类型的行为对象作为待推荐信息向所述用户输出。

上述方案中，在所述将所匹配的行为对象作为待推荐信息向所述用户输出之前，所述方法还包括：

对所匹配的行为对象进行历史行为过滤，得到所述用户未知的行为对象；

将所述用户未知的行为对象作为待推荐信息向所述用户输出。

上述方案中，在所述将所匹配的行为对象作为待推荐信息向所述用户输出之前，所述方法还包括：

对所匹配的行为对象进行黑名单过滤，得到属于所述用户白名单的行为对象；

将属于所述用户白名单的行为对象作为待推荐信息向所述用户输出。

上述方案中，在所述将所匹配的行为对象作为待推荐信息向所述用户输出之前，所述方法还包括：