[发明专利]数据推荐方法及系统

说明书

技术领域

本发明涉及一种数据推荐方法及系统。

背景技术

随着互联网内容的爆炸性增长，尤其是视频网站和社交网站的快速发展，每天有大量的新鲜内容被生产和消费，而且对一个用户来说，从大量无关的数据或内容中发现感兴趣的信息越来越困难。

常用的从大量数据或内容中进行筛选和推荐的做法是，由网站编辑手工标记高质量的或者跟时事热点密切相关的内容，并推送到网站的主页面，或者通知到各个用户。但是这种做法不仅费事费力，而且还有明显的缺点：一方面其更新比较慢且不够及时；另一方面，因为用户的口味各异，手工推荐不能够满足用户的个性化需求。

针对视频网站来说，推荐技术尤为重要。首先，由于国内各大视频网站积累的视频数量通常在几千万的数量级，而且相比新闻通常集中在几个主要的事件上，视频的内容更为发散和丰富，用户短时间内很难找到自己真正感兴趣的视频；其次，用户观看一部视频所花费的时间比较长，加上大多数网站在播放视频之前会播放一段广告，如果推荐的视频不和用户口味，对用户体验是一个很大的伤害。

数据推荐系统如视频推荐系统是指由计算机系统来自动分析和统计过去一段时间内的用户行为记录和视频本身的特征，自动的发掘用户的偏好，并将用户最可能感兴趣的数据如视频推荐给用户观看。不同用户的需求和偏好可能相差很大，比如有的用户更关心娱乐八卦，有的用户更喜欢搞笑视频，有的用户更喜欢电影或电视剧。因此，如何将用户在网站上的交互行为转化为推荐系统能够识别和处理的数据，从大量的数据中识别出用户兴趣，将待推荐的数据如视频与不同的兴趣主题相对应，使数据推荐系统及时地响应用户的请求，并且对不同的用户推荐不同的数据如视频，来迎合用户的情感偏好是目前亟待解决的问题。

发明内容

本发明的目的在于提供一种数据推荐方法及系统，能够自动对活跃用户和非活跃用户，以及热点视频和非热点视频做区分性的处理，自动挖掘出数据如视频的流行统计特征，使推荐结果不仅限于最热门的数据如视频，大量的数据如视频都有机会展示给不同的用户。

为解决上述问题，本发明提供一种数据推荐方法，包括：

收集每个用户对每个被推荐数据的选择记录；

根据每个用户对被推荐数据的选择记录获取每个用户对被推荐数据的平均点击率；

根据每个用户对被推荐数据的选择记录和每个用户对被推荐数据的平均点击率获取每个被推荐数据对其所有被推荐的用户的平均受欢迎程度；

判断每个用户对被推荐数据的选择记录的数量是否小于一预设的阈值，

若是，则根据每个被推荐数据对其所有被推荐的用户的平均受欢迎程度获取每个被推荐数据的推荐得分，获取推荐得分最高的前P个被推荐数据推荐给用户，其中P为正整数；

若否，则根据每个用户对被推荐数据的选择记录、每个用户对被推荐数据的平均点击率和每个被推荐数据对其所有被推荐的用户的平均受欢迎程度获取每个被推荐数据的推荐得分，获取推荐得分最高的前Q个被推荐数据推荐给用户，其中Q为正整数。

进一步的，在上述方法中，根据每个用户对被推荐数据的选择记录、每个用户对被推荐数据的平均点击率和每个被推荐数据对其所有被推荐的用户的平均受欢迎程度获取每个被推荐数据的推荐得分，获取推荐得分最高的前Q个被推荐数据推荐给用户的步骤包括：

根据每个用户对被推荐数据的选择记录、每个用户对被推荐数据的平均点击率和每个被推荐数据对其所有被推荐的用户的平均受欢迎程度获取每个用户对每个被推荐数据的偏好程度；

根据每个用户对每个被推荐数据的偏好程度生成所有用户的偏好矩阵；

将所述偏好矩阵分解成代表用户对被推荐数据的隐藏主题的偏好程度的第一矩阵和代表被推荐数据与所述隐藏主题的关联程度的第二矩阵；

根据所述第一矩阵和第二矩阵获取每个用户对每个被推荐数据的兴趣程度；

根据所述每个用户对每个被推荐数据的兴趣程度和每个被推荐数据对其所有被推荐的用户的平均受欢迎程度获取每个被推荐数据的推荐得分，获取推荐得分最高的前Q个被推荐数据推荐给用户，其中Q为正整数。

进一步的，在上述方法中，根据所述每个用户对每个被推荐数据的兴趣程度和每个被推荐数据对其所有被推荐的用户的平均受欢迎程度获取每个被推荐数据的推荐得分，获取推荐得分最高的前Q个被推荐数据推荐给用户的步骤包括：

根据所述每个被推荐数据对其所有被推荐的用户的平均受欢迎程度获取前N个候选数据，其中N为正整数；