[发明专利]信息推荐方法和装置

权利要求书

1.一种信息推荐方法，所述方法包括：

根据跨领域的用户数据提取用户标签；所述跨领域的用户数据是在用户的不同活动场景下的行为所产生的数据；

将相同用户的所述用户标签形成用于描述所述用户的用户标签集；

根据主题生成模型和所述用户标签集确定所述用户标签集所属主题，并将所述用户标签集所属主题作为用户所属用户社区；

将用户属性信息、所述跨领域的用户数据以及所述用户所属用户社区进行二值化处理，获得相应的特征向量；计算各种特征向量彼此之间的关联性；通过机器学习分别训练所述用户属性信息、所述跨领域的用户数据以及所述用户所属用户社区各自对应的权重；根据各种特征向量、各种特征向量分别对应的所述权重及各种特征向量彼此之间的关联性预测用户评分值；根据所述用户评分值进行信息推荐。

2.根据权利要求1所述的方法，其特征在于，所述根据跨领域的用户数据提取用户标签，包括：

获取跨领域的每份用户数据的词在相应用户数据中的词频；

获取跨领域的各份用户数据中包括所述词的用户数据份数；

获取所述词的重要度评分；所述重要度评分与所述词频正相关，且与所述用户数据份数负相关；

根据所述重要度评分筛选出关键词；

根据所述关键词确定用户标签。

3.根据权利要求2所述的方法，其特征在于，所述获取所述词的重要度评分，包括：

将跨领域的用户数据总份数除以所述用户数据份数与正的常数的和后取对数，再乘以所述词频，获得所述词的重要度评分。

4.根据权利要求1所述的方法，其特征在于，所述根据主题生成模型和所述用户标签集确定所述用户标签集所属主题，并将所述用户标签集所属主题作为用户所属用户社区，包括：

根据主题生成模型，对于所述用户标签集中的每个用户标签，按照预设数量的主题与用户标签的多项式分布选择当前用户标签所属的主题，并且按照用户标签集与主题的多项式分布生成在选择的主题条件下的当前用户标签，以构建用户标签生成概率函数；

获取所述用户标签集中各个用户标签的出现概率；

根据获取的出现概率和所述用户标签生成概率函数，获得所述用户标签集属于预设数量的主题中各主题的概率；

将概率最大的主题确定为用户所属用户社区。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

计算待推荐物品与所述用户所属用户社区的相似度；

将所述相似度高于预设阈值的所述待推荐物品推荐给所述用户所属用户社区中的用户。

6.根据权利要求1所述的方法，其特征在于，所述计算各种特征向量彼此之间的关联性，包括：

计算所述用户属性信息的特征向量与所述跨领域的用户数据的特征向量的内积，得到所述用户属性信息的特征向量与所述跨领域的用户数据的特征向量的关联性；

计算所述用户属性信息的特征向量与所述用户所属用户社区的特征向量的内积，得到所述用户属性信息的特征向量与所述用户所属用户社区的特征向量的关联性；

计算所述跨领域的用户数据的特征向量与所述用户所属用户社区的特征向量的内积，得到所述跨领域的用户数据的特征向量与所述用户所属用户社区的特征向量的关联性。

7.根据权利要求1所述的方法，其特征在于，所述用户评分值具体按照以下公式计算：

其中，y是用户评分值，w₀表示全局偏值，w_u 表示用户属性信息u的权重，w_i表示跨领域的用户数据i的权重，w_m表示用户所属用户社区m的权重；v_u表示用户属性信息u的特征向量，v_i表示跨领域的用户数据i的特征向量，v_m表示用户所属用户社区m的特征向量；LDA_u表示用户标签集与主题的多项式分布中的主题集合，|LDA_u|表示LDA_u的大小；符号表示求取内积，用于表示特征向量之间的关联性。