[发明专利]信息推荐方法及系统

说明书

技术领域

本发明涉及信息推荐领域，特别是涉及信息推荐方法及系统。

背景技术

社会覆盖面极广、在线活跃用户数量庞大的流式信息服务称为公众性流式信息服务，公众性流式信息服务的典型代表为各类媒体直播服务。公众性流式信息服务的推荐面临以下问题：1)必须在内容的在线周期内推荐，从而避免将下线内容推荐给用户；2)必须将内容推荐给合适的用户个体，从而避免对其他用户群体造成干扰。

可见，对于公众性流式信息服务的推荐，需要能够同时保证时效性和兼顾不同用户个体的个性化需求的新技术。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供信息推荐方法及系统，用于解决现有技术中公众性流式信息服务的推荐无法保证时效性，以及无法兼顾不同用户个体的个性化需求等问题。

为实现上述目的及其他相关目的，本发明提供一种信息推荐方法，包括：按照预设时间间隔切割读入的多个采样数据流以得到多个采样数据切片；定义一个或多个用户行为场景，所述每个用户行为场景包括至少一个和/或至少一类用户行为事件；分别从每个所述采样数据切片的数据中甄选出符合所述用户行为场景的部分以组成场景快照；将所述场景快照作为场景模拟模型的输入，从而得到所述场景模拟模型输出的场景画像；将所述场景画像与预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。

于本发明一实施例中，当定义了一个或多个用户行为场景时，所述一个或多个用户行为场景构成行为模式，所述行为模式中的某个用户行为场景的场景画像是由所述某个用户行为场景的场景快照和前一个用户行为场景的场景画像共同作为所述场景模拟模型的输入，并经所述场景模拟模型的输出得到的，所述方法还包括：将最终得到的场景画像与所述预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。

于本发明一实施例中，所述场景模拟模型包括多个，每个用于针对一种特征信息进行场景模拟。

于本发明一实施例中，所述场景模拟模型包括：有监督学习模型、和/或无监督学习模型。

于本发明一实施例中，所述无监督学习模型包括：深度学习模型。

于本发明一实施例中，所述深度学习模型是根据反向传播算法建立的。

于本发明一实施例中，每个所述采样数据流包括一类用户行为事件数据，所述多个采样数据切片包括与所述多个采样数据流分别一一对应的多个所述用户行为事件的部分数据。

于本发明一实施例中，每类所述用户行为事件数据包括多个所述用户行为事件数据，每个所述用户行为事件数据包括：时间戳、用于标识产生相应的行为事件的对象的用户标识、及相应的行为事件的采样数据。

于本发明一实施例中，在将所述场景快照输入所述场景模拟模型之前，所述方法还包括：将所述场景快照包含的各个用户行为事件数据按照时间顺序排序，并依序输入所述场景模拟模型。

于本发明一实施例中，所述预设推荐结果包括多个，所述匹配包括：分别计算所述场景画像与每个所述预设推荐结果的相关度，将所述相关度最大的预设推荐结果确定为推荐信息。

为实现上述目的及其他相关目的，本发明提供一种信息推荐系统，包括：数据切片模块，用于按照预设时间间隔切割读入的多个采样数据流以得到多个采样数据切片；场景定义模块，用于定义一个或多个用户行为场景，每个用户行为场景包括至少一个和/或至少一类用户行为事件；快照甄选模块，用于分别从每个所述采样数据切片的数据中甄选出符合所述用户行为场景的部分以组成场景快照；场景模拟模块，用于将所述场景快照作为场景模拟模型的输入，从而得到所述场景模拟模型输出的场景画像；匹配模块，用于将所述场景画像与预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。

于本发明一实施例中，当定义了一个或多个用户行为场景时，所述一个或多个用户行为场景构成行为模式，所述行为模式中的某个用户行为场景的场景画像是由所述某个用户行为场景的场景快照和前一个用户行为场景的场景画像共同作为所述场景模拟模型的输入，并经所述场景模拟模型的输出得到的，所述匹配模块还用于：将最终得到的场景画像与所述预设推荐结果进行匹配，若匹配成功，则将所述预设推荐结果确定为推荐信息。

于本发明一实施例中，所述场景模拟模型包括多个，每个用于针对一种特征信息进行场景模拟。

于本发明一实施例中，所述场景模拟模型包括：有监督学习模型、和/或无监督学习模型。

于本发明一实施例中，所述无监督学习模型包括：深度学习模型。