[发明专利]用于向用户推荐内容的方法和系统

说明书

背景

1.技术领域

本教导涉及用于因特网服务的方法、系统和编程。尤其，本教导涉及用于向因特网用户提供信息的方法、系统和编程。

2.技术背景的讨论

在线推荐系统是信息过滤系统的一个子类，其使用基于用户的特性以及与用户相关的内容以及用户的在线行为构建的模型来预测用户对在线内容(例如文章、新闻、音乐、书籍或电影)的“兴趣”。例如，传统的推荐系统通常以两种方式中的一种——通过协作的过滤或基于内容的过滤产生推荐的列表。协作过滤方法从用户的既往行为(例如，先前购买或的选择的商家、对那些商家给予的数字评级)以及由其他用户做出的相似判决构建模型，并使用该模型来预测用户可能感兴趣的其他项目。基于内容的过滤方法利用已知的内容的一系列离散特性以便推荐具有相似性质的附加内容。

传统的推荐系统的预测精度主要依赖于推荐系统可以获取的用户的既往行为数据的量。例如，为了估计用户将感兴趣的话题，传统的推荐系统需要监视和收集尽可能多的用户的既往在线活动和相关内容。然而，如果用户对推荐系统来说是新的，推荐系统将难以获取足够的新用户的既往行为数据以便做出有意义的推荐。此外，传统的推荐系统通常仅获取由用户自愿提供的数据，例如，通过问卷，或在用户直接地与推荐系统交互时由推荐系统记录的数据，例如，在用户登录推荐系统时的cookie或活动日志。结果，推荐系统的不活动用户不能用来提供用于构建推荐模型的数据。相应地，对于新用户或不活动用户，传统的推荐系统在个性化内容推荐方面变得较为低效。另外，传统的系统通常仅考虑在用户当中的显式关系以及基于用户的在线内容消费活动明确地表示的用户的兴趣。尽管在一些现有技术中处理了隐式关系，但是几乎都是经由自组织方法标识隐式关系。

因此，存在对提供用于基于与用户相关联的信息个性化内容推荐的改善的解决方案的需求，无论这样的信息是静态的、动态的、显式的还是隐式的，所有都以系统的和有效的方式来解决上述问题。

概述

本教导涉及用于向用户推荐内容的方法、系统和编程。

在一个示例中，公开了一种在至少一种机器上实现的方法，每一机器具有至少一个处理器、存储和连接到网络以便向当前用户推荐内容的通信平台。首先获取与一个或多个先前用户相关的第一信息。然后，基于与一个或多个先前用户相关的第一信息，建立从用户映射到感兴趣的话题的模型。也获取与当前用户相关的第二信息。基于模型，为当前用户标识一个或多个感兴趣的话题。根据当前用户的一个或多个感兴趣的话题，向当前用户推荐内容。最终，通过将与当前用户相关联的信息和基于与一个或多个先前用户相关的第一信息建立的模型集成起来，生成经更新的模型。与当前用户相关联的信息包括与当前用户相关的第二信息。

在另一示例中，公开了一种在至少一种机器上实现的方法，每一机器具有至少一个处理器、存储和连接到网络以便向用户推荐内容的通信平台。基于与用户相关的信息，首先建立用于估计用户感兴趣的话题的模型。该模型基于与所述多个用户相关的信息从多个用户映射到多个感兴趣的话题。然后，收集与所述多个用户相关的动态信息。基于与所述多个用户相关的已收集的动态信息，精化已建立的模型。最终，向用户推荐带有至少一个感兴趣的话题的内容，其中基于已精化的模型估计至少一个感兴趣的话题。

在又一个示例中，公开了一种在至少一种机器上实现的方法，每一机器具有至少一个处理器、存储和连接到网络以便向当前用户推荐内容的通信平台。首先接收向用户推荐内容的请求，并且也获取与用户相关的信息。然后，检索基于与一个或多个先前用户相关的信息建立的模型。基于从用户映射到感兴趣的话题的模型，标识用户感兴趣的一个或多个话题。然后，检索与用户感兴趣的一个或多个话题一致的内容。最终，提供一个或多个感兴趣的话题的内容，以作为对请求的响应。