[发明专利]一种特征信息的个性化推荐方法及装置

权利要求书

1.一种特征信息的个性化推荐方法，其特征在于，包括：

接收客户端提交的特征信息获取请求，所述请求中包括用户标识；

根据所述用户标识获取用户行为倾向信息；

采用所述用户行为倾向信息按预置规则提取当前关联的特征信息；

提取满足预设要求的当前关联的特征信息返回给客户端。

2.如权利要求1所述的方法，其特征在于，所述特征信息包括团购商品信息，电子商务平台的商品信息，和/或，应用APP信息。

3.如权利要求1所述的方法，其特征在于，所述根据用户标识获取用户行为倾向信息的步骤包括：

获取所述用户在在先的预设时间段内，针对特征信息的操作信息，所述特征信息具有对应的URL，所述操作信息包括点击操作信息；

按照时间戳的大小分别设置各特征信息的权重大小；

按预置的特征信息的URL与分类标签的对应关系，确定所述用户在先操作的特征信息的分类标签；

记录所述用户标识，对应特征信息的分类标签及权重为用户行为倾向信息。

4.如权利要求3所述的方法，其特征在于，所述采用用户行为倾向信息按预置规则提取当前关联的特征信息的步骤包括：

获取当前的特征信息及对应的分类标签；

将所述当前特征信息的分类标签，与所述用户标识对应的特征信息分类标签进行匹配；

提取匹配的特征信息为当前关联的特征信息。

5.如权利要求3或4所述的方法，其特征在于，还包括：

生成第一特征信息数据集，所述第一特征信息数据集中包括特征信息的主分类标签及对应的子分类标签；

所述采用用户行为倾向信息按预置规则提取当前关联的特征信息的步骤包括：

将所述用户标识对应的特征信息分类标签与所述第一特征信息数据集中的主分类标签进行匹配；

提取所述主分类标签及对应子分类标签关联的特征信息为当前关联的特征信息。

6.如权利要求5所述的方法，其特征在于，所述生成第一特征信息数据集的步骤包括：

将各用户对应的特征信息分类标签按其权重降序排序；

提取排序在前的N个特征信息特征信息分类标签，所述N为正整数；

将所述特征信息分类标签分别两两组合，计算各两两组合的特征信息分类标签的频繁2项集，所述频繁2项集包括两两组合的特征信息的分类标签以及对应的出现次数；

将各用户对应的特征信息分类标签进行归类，计算各特征信息分类标签的频繁1项集，所述频繁项集包括各特征信息的分类标签以及对应的出现次数；

根据所述频繁2项集和频繁1项集，计算各特征信息分类标签的支持度和置信度，其中，所述支持度是指某两个特征信息分类标签同时出现的概率；所述置信度是指在出现某一特征信息分类标签的情况下，出现另一特征信息分类标签的概率；

按照预置的支持度阈值和置信度阈值对所述特征信息分类标签进行过滤；

按照所述置信度对所述特征信息分类标签进行排序；

将排序在首的特征信息的分类标签作为主分类标签，将其后的特征信息的分类标签作为子分类标签，保存生成第一特征信息数据集。

7.如权利要求3或4或6所述的方法，其特征在于，还包括：

将各用户对应的特征信息分类标签按其权重降序排序；

提取排序在前的M个特征信息分类标签，其中，所述M为正整数；

将各用户标识对应的M个特征信息分类标签进行组合；

提取具有所述特征信息分类标签组合的候选用户标识；

汇总所述候选用户标识对应的特征信息分类标签，保存生成第二特征信息数据集；

所述采用用户行为倾向信息按预置规则提取当前关联的特征信息的步骤包括：

将当前用户标识在第二特征信息数据集中，提取对应的特征信息分类标签为当前关联的特征信息。

8.如权利要求7所述的方法，其特征在于，所述满足预设要求的当前关联的特征信息为满足预设数量的当前关联的特征信息；或为，特征信息权重大于某预设阈值的当前关联的特征信息；或为，按特征信息权重降序排序在前的K个当前关联的特征信息，其中，所述K为正整数。