[发明专利]一种特征信息的个性化推荐方法及装置

说明书

技术领域

本申请涉及信息处理技术领域，特别是涉及一种特征信息的个性化推荐方法和一种特征信息的个性化推荐装置。

背景技术

互联网是人们获取信息的一个重要途径，传统互联网的主要特点在于用户寻找自己感兴趣的事物时，需要通过浏览器进行大量的搜索，同时需要人工地过滤掉大量不相关的结果，操作繁琐，且耗费时间和精力。

以电子商务为例，传统电子商务的主要特点在于用户登陆各个电子商务平台，寻找自己感兴趣的商品，然后进行购买。但是随着电子商务规模的不断扩大，商家通过购物网站提供了大量的商品，使用户无法快速了解所有的商品，也无法直接检查商品的质量，用户需要花费大量的时间与精力才能找到自己需要的商品。这种浏览大量无关的信息和产品过程，无疑会使淹没在海量信息中的消费者因为没有发现在自己需要或者感兴趣的商品而不断流失，不仅仅使用户购物的时间成本大幅增加，同时使电子商务平台的商品购买的转化率非常低。

现有技术中，提出了根据用户购买或者浏览行为，运用某一种推荐算法进行特征信息(如商品信息)的个性化推荐方法，例如，首先根据图书类别、内容对图书进行聚类，建立图书聚类体系，比如A与B为一类图书。然后根据用户的浏览行为和购买记录，分析用户感兴趣图书，比如用户目前浏览商品为A或者历史购买过A，即可将同类的B图书推荐给A。

这些现有技术由于采用的推荐算法单一，从而使用户行为信息利用率低，导致推荐商品单一，例如针对平台上数百万中商品，仅仅能推荐出与用户浏览产品相近商品，无法满足用户多样化需求。

因此，目前需要本领域技术人员迫切解决的一个技术问题就是：提出一种特征信息的个性化推荐机制，以满足用户多样的个性化需求，减少用户的网上购物时间成本，提高电子商务商品购买的转化率。

发明内容

本申请所要解决的技术问题是提供一种特征信息的个性化推荐方法，用以满足用户的个性化需求，并提高推荐效率和覆盖率。

本申请还提供了一种特征信息的个性化推荐装置，用以保证上述方法在实际中的应用及实现。

为了解决上述问题，本申请实施例公开了一种特征信息的个性化推荐方法，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。

优选地，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。

优选地，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。

优选地，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。

优选地，所述的方法，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。

优选地，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；