[发明专利]推荐方法及装置

说明书

本申请实施例提供一种推荐方法及装置。推荐方法包括：根据待推荐用户，确定至少一个候选商户；获取至少一个候选商户各自对应的至少一个用户的修正评价值，修正评价值是按照推荐场景下的时间影响特性对初始评价值修正得到的；基于至少一个候选商户各自对应的至少一个用户的修正评价值，向待推荐用户推荐商户。本申请实施例可以提高推荐结果的准确性。

技术领域

本申请涉及互联网技术领域，尤其涉及一种推荐方法及装置。

背景技术

随着互联网技术的发展，个性化推荐服务在互联网行业得到越来越多的应用，例如在地图上查找附近的服务、在外卖应用中搜索附近的餐馆等。为了给用户推荐感兴趣的内容，例如服务或餐馆，除了使用地理位置之外，还可以收集和分析用户的浏览信息、历史订单和商品评价等行为数据，确定用户兴趣，进而基于用户兴趣做推荐。

现有技术中常见的基于用户兴趣的推荐方法主要包括：基于内容的推荐方法和协同过滤推荐(Collaborative Filtering Recommendation)方法。现有推荐方法或多或少都会存在一些缺陷，现有方法存在的缺陷最终会影响推荐结果，导致不能完成推荐或推荐不准确。

发明内容

本申请发明人对现有基于内容的推荐方法以及协同过滤的推荐方法进行了分析。

基于内容的推荐方法，其核心主要是采用自然语言处理、人工智能、概率统计和机器学习等技术进行内容过滤，努力发现用户的兴趣，向用户推荐与用户以前喜欢的商品相似的商品。

协同过滤推荐方法，其核心主要是分析用户兴趣，在用户群中找到该用户的相似用户，综合这些相似用户对某一信息的评价，形成该用户对此信息的喜好程度，据此向用户进行推荐。

上述推荐方法的性能已经很好，但依然存在无法完成推荐或推荐不准确的问题。对此，本申请发明人进一步进行了研究分析，上述推荐方法考虑了地理位置、用户兴趣、用户行为等因素，但却忽略了时间对用户行为的影响。例如，用户希望晚餐和午餐吃得不一样、今天和昨天吃得不一样、周末和平时吃得也不一样。由此可见，在这种场景下，若采用现有推荐方法向用户推荐以前喜欢或吃过的东西反而不合适，为了用户饮食的多样性，应该向用户推荐近期未吃过的东西。另外，随着时间的推移，有些吃过的东西，又会变得有新鲜感，因此也需要适时推荐之前消费过的类似商品。

针对上述分析，本申请发明人提供一种推荐方法，其核心是：在推荐过程中，考虑时间因素的影响，基于符合推荐场景的时间影响特性，修正用户对商品的初始评价值，进而基于修正后的评价值进行推荐，达到推荐过程考虑时间因素的目的，从而提高推荐结果的准确性。

基于上述，本申请实施例提供一种推荐方法，包括：

根据待推荐用户，确定至少一个候选商户；

获取所述至少一个候选商户各自对应的至少一个用户的修正评价值，所述修正评价值是按照推荐场景下的时间影响特性对初始评价值修正得到的；

基于所述至少一个候选商户各自对应的至少一个用户的修正评价值，向所述待推荐用户推荐商户。

在一可选实施方式中，所述获取所述至少一个候选商户各自对应的至少一个用户的修正评价值，包括：

从预先构建的用户-商户修正评价矩阵中，获取所述至少一个候选商户各自对应的至少一个用户的修正评价值；

其中，所述用户-商户修正评价矩阵包括系统中多个商户各自对应的至少一个用户的修正评价值，所述多个商户包含所述至少一个候选商户。

在一可选实施方式中，预先构建用户-商户修正评价矩阵，包括：

基于系统中存在的用户针对商品的网络行为信息，构建第一用户-商品评价矩阵；